| 基于轻量级神经网络的车辆识别算法研究 |
| |
| 作者姓名： | 邓超 马俊杰 严毅 王有福 李艳淇 |
| |
| 作者单位： | （1.武汉科技大学 汽车与交通工程学院,湖北 武汉 430065;2.武汉科技大学 智能汽车工程研究院,湖北 武汉 430065;
3. 四川省无人系统智能感知控制技术工程试验室,四川 成都 610225;
4.云基物联网高速公路建养设备智能化试验室,山东 济南 250357） |
| |
| 基金项目： | 国家自然科学基金青年科学基金项目（52002298）;教育部产学合作协同育人项目（202102580026）;四川省无人系统智能感知控制技术工程实验室开放课题（WRXT2022-001）;云基物联网高速公路建养设备智能化实验室开放课题（KF_2022_301002）;武昌工学院科学研究项目（2022KY24） |
| |
| 摘 要： | 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。
|
| 关 键 词： | 车辆工程 车辆识别 注意力机制 SPPF MobileNetV3 YOLOv5s, |
| 收稿时间： | 2023-03-13 |
|
| 点击此处可从《重庆交通大学学报(自然科学版)》浏览原始摘要信息 |
|
点击此处可从《重庆交通大学学报(自然科学版)》下载全文 |
|
