|
基于轻量级神经网络的车辆识别算法研究
邓超1,2,3,4,马俊杰1,严毅1,王有福1,李艳淇1
2024, 43(4):
80-87.
DOI: 10.3969/j.issn.1674-0696.2024.04.12
针对目前车辆识别神经网络算法网络结构复杂、参数量大、对硬件要求高的问题,提出一种基于混合注意机制的轻量级神经网络算法MobileNetV3-YOLOv5s。首先,采用MobileNetV3的bneck模块替换YOLOv5s的主干网络;其次,将其中的大卷积核替换为小卷积核,同时用计算量更小的特征融合方法改进SPPF算法;最后,在主干网络中融合了SENet和空间注意力机制,组成混合注意力模块,提高网络对重要区域的权重。试验结果表明:在UA-DETRAC数据集上,所提出算法的参数量相比于YOLOv5s减小了82.6%,仅为2.34 MB,平均识别率为98.2%,在Nvidia jetson AGX NX上检测速度达到31帧/s,速度提高10.7%,可以更好地部署在边缘设备上,满足自动驾驶的要求。
参考文献 |
相关文章 |
计量指标
|