基于改进YOLOX的车辆检测技术研究

摘要

目前物流及运输行业大力发展,道路环境愈发复杂,对道路车辆的精准检测一直是智能交通系统中亟需完成的任务。本文结合迁移学习,在目标检测算法YOLOX的基础上,对网络进行预训练,并选取青岛部分道路场景自制数据集,在网络模型中添加双通道注意力机制CBAM,加强该算法的特征提取能力;同时为了优化傍晚较暗的数据集,进行Gamma变换强化数据集来避免数据集的信息丢失。最后进行实验验证,发现改进的YOLOX算法相较之前的算法有明显提高,相比于原YOLOX算法,在精确率上提高了1.63%,平均精度上提高了1.64%,检测识别能力得到提升。