L-YOLO:适用于车载边缘计算的实时交通标识检测模型

• 作者: 单美静 秦龙飞 张会兵
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 车载边缘计算 目标检测 交通标识检测 卷积神经网络 残差连接 Tiny YOLO
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 智能化边缘计算
• 页码范围: 89-95
• 页数: 7页
• 分类号: TP391
• 语种: 中文
• DOI: 10.11896/jsjkx.200800034

摘要

在车载边缘计算单元中,由于其硬件设备的资源受限,开发适用于车载边缘计算的轻量级、高效的交通标识检测模型变得越来越迫切.文中提出了一种基于Tiny YOLO改进的轻量级交通标识检测模型,称为L-YOLO.首先,L-YOLO使用部分残差连接来增强轻量级网络的学习能力;其次,为了降低交通标识的误检和漏检,L-YOLO使用高斯损失函数作为边界框的定位损失.在TAD16K交通标识检测数据集上,L-YOLO的参数量为18.8 M,计算量为8.211 BFlops,检测速度为83.3 FPS,同时mAP达到86％.实验结果显示,该算法在保证实时性的同时,还提高了检测精度.