- 伴隨深度學習的不斷發展，深度學習的目標檢測方法被廣泛應用?；谔卣魅诤系乃枷?，本文提出了一種改進的YOLOv4-tiny目標檢測方法，通過添加卷積模塊及調整部分超參數對其網絡架構進行優化，以實現對道路車輛目標的快速檢測、識別和定位。首先為了改善YOLOv4-tiny網絡對小目標類型檢測精度差的問題，基于特征金字塔網絡對第二標度輸出層的最后一個CBL輸出特征與網絡中第二個CSP輸出特征進行融合，并在原有網絡的基礎上增加52×52的標度輸出；其次，利用遷移學習權重在自己采集的數據集上進行實驗，訓練得出合適的權
- 關鍵字：
車輛檢測 特征融合 改進的YOLOv4-tiny 目標檢測 202109
特征融合介紹
您好，目前還沒有人創建詞條特征融合!
歡迎您創建該詞條，闡述對特征融合的理解，并與今后在此搜索特征融合的朋友們分享。
創建詞條
關于我們 -
廣告服務 -
企業會員服務 -
網站地圖 -
聯系我們 -
征稿 -
友情鏈接 -
手機EEPW
Copyright ?2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
《電子產品世界》雜志社 版權所有 北京東曉國際技術信息咨詢有限公司
京ICP備12027778號-2 北京市公安局備案：1101082052 京公網安備11010802012473
