基于YOLOv4-tiny改进的交通标志识别算法
刘毅
安移
上海理工大学光电信息与计算机工程学院 上海 200093
摘要：针对交通标志目标识别精度较低、速度慢并且模型参数量过大的问题,论文提出一种改进YOLOv4-tiny识别算法,在特征提取阶段引入深度可分离卷积轻量化主干网络并降低模型的参数量和计算量.在特征融合阶段使用递归特征金字塔(RFP)进行多尺度特征融合.在TT100K数据集上验证改进算法的平均精度均值达到 88.5%,相比YOLOv4-tiny提升4.6%,模型大小仅为17MB是YOLOv4-tiny的56%,改进算法降低了模型大小和计算量并提升检测精度和速度.
关键词：深度可分离卷积递归特征金字塔交通标志识别YOLOv4-tiny
分类号：TP391(计算技术、计算机技术)
论文发表日期：2023-03-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 618-622,644 )
英文信息