刊名：智能城市
曾用名：现代生活用品
主办：辽宁省科学技术情报研究所
主管：辽宁省科学技术厅
ISSN：2096-1936
CN：21-1602/N
语言：中文
周期：半月刊
影响因子：0
被引频次：9440
数据库收录：
国家哲学社会科学学术期刊数据库;期刊分类：自科综合
期刊热词：
施工技术,建筑工程,城市,高速公路,建筑,施工管理,水利工程,智慧城市,建筑设计,大数据,施工技术,建筑工程,施工管理,大数据,城市,公路工程,物联网,城市轨道交通,BIM技术,人工智能,智慧城市,智能建筑,BIM技术,城市,BIM,城市建设,物联网,智能化,智能设计,城市规划,
现在的位置：主页 > 期刊导读 >
公路与水路运输论文_基于DCN-Mobile-YOLO模型
【作者】网站采编
【关键词】
【摘要】文章摘要:单一目标检测方法无法实现目标计数的准确统计,且模型的检测精度和速度难以同步提升.以YOLO v4目标检测框架为基础,提出一种移动端的目标追踪和多车道车辆计数模型DCN-Mob
文章摘要:单一目标检测方法无法实现目标计数的准确统计,且模型的检测精度和速度难以同步提升.以YOLO v4目标检测框架为基础,提出一种移动端的目标追踪和多车道车辆计数模型DCN-Mobile-YOLO.该方法使用可变形卷积网络（deformable convolutional networks,DCNs） v2卷积核和移动端卷积网络MobileNet v3框架分别代替YOLO v4的常规卷积核和主干网络,结合DeepSORT算法实现多目标的跟踪和计数,建立自适应车道检测规则并实现车道内车辆的精确计数.在VOC2007+2012数据集和GoPro采集数据上验证DCN-Mobile-YOLO模型的有效性.实验结果表明,DCN-Mobile-YOLO模型的mAP相比于主干网络为MobileNet v3和CSPDarkNet的YOLO v4算法分别提升了13.19%和6.63%,目标检测平均帧率为12帧/s.DCN-Mobile-YOLO模型不仅提高了目标检测模型的检测精度,同时达到了移动端实时检测的速度.
文章关键词:
项目基金:《智能城市》 网址: http://www.zncszz.cn/qikandaodu/2021/1008/1886.html