- 伴随深度学习的不断发展，深度学习的目标检测方法被广泛应用。基于特征融合的思想，本文提出了一种改进的YOLOv4-tiny目标检测方法，通过添加卷积模块及调整部分超参数对其网络架构进行优化，以实现对道路车辆目标的快速检测、识别和定位。首先为了改善YOLOv4-tiny网络对小目标类型检测精度差的问题，基于特征金字塔网络对第二标度输出层的最后一个CBL输出特征与网络中第二个CSP输出特征进行融合，并在原有网络的基础上增加52×52的标度输出；其次，利用迁移学习权重在自己采集的数据集上进行实验，训练得出合适的权
- 关键字：
车辆检测 特征融合 改进的YOLOv4-tiny 目标检测 202109
特征融合介绍
您好，目前还没有人创建词条特征融合!
欢迎您创建该词条，阐述对特征融合的理解，并与今后在此搜索特征融合的朋友们分享。
创建词条
关于我们 -
广告服务 -
企业会员服务 -
网站地图 -
联系我们 -
征稿 -
友情链接 -
手机EEPW
Copyright ©2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
《电子产品世界》杂志社 版权所有 北京东晓国际技术信息咨询有限公司
京ICP备12027778号-2 北京市公安局备案：1101082052 京公网安备11010802012473
