文献阅读笔记1——《Application of the EfficientDet Algorithm in Traffic Flow Statistics》Kaihao Lin, Junyan Chen

一文章摘要（中心思想）

本文采用高效目标检测算法(EfficientDet)对交通视频帧信息进行检测分析，对交通路口的车辆和行人流量进行统计，实时计算车速，感知交通拥堵程度。 交通部门提高道路的使用率是很方便的。

关键词：EfficientDet算法；交通流量统计；车速计算；运输规划；

本人观点：核心内容是EffcientDet算法对视频数据进行分析

EfficinetDet介绍：

 左。主干特征提取网络               中。加强特征提取网络                    右。将提取的特征转化为预果

主干特征提取网络（EfficientNet）将输入的图片不断进行下采样，P1.P2.P3.P4.P5分别是对输入图片进行12345次压缩的结果。P1，P2只进行了比较浅层次的下采样，所以不具备比较高的语义信息，因此在后面的加强特征提取网络中不会用到P1，P2。P3，P4，P5具有比较高的语义信息，所以作为主干特征提取网络的5个中的3个，还需要两个则由P5继续进行下采样得到P6，P7；得到的五个特征层输入到中间的加强特征提取网络中进行进一步的提取。

加强特征提取网络 是由多个BiFPN结构构成的，（BiFPN是特征融合的一阵模块，对特征层先进行上采样的特征融合，在进行下采用的特征融合）将BiFPN模块进行串联不断的进行特征融合不断的进行特征提取。最终会获得五个有非常高的语义信息的特征层，

终止我们可以用EfficicentDet进行特征整理后，获得预测结果。

EfficientNet分为两个主要功能1，Class prediction net （对先验框进行分类）2，Box prediction net（对先验框进行调整，获得最终的预测框）。5个特征层使用的是同一个Class prediction net 和Box prediction net。

后续进行中。。。。（本文参考学姐的文章开始的文献阅读学习文献阅读笔记1——《Application of the EfficientDet Algorithm in Traffic Flow Statistics》_白日梦想家April_Liu的博客-CSDN博客）