一种改进的YOLOv4-tiny车辆目标检测方法

An improved YOLOv4-tiny vehicle target detection method

伴随深度学习的不断发展,深度学习的目标检测方法被广泛应用。基于特征融合的思想,本文提出了一种改进的YOLOv4-tiny目标检测方法,通过添加卷积模块及调整部分超参数对其网络架构进行优化,以实现对道路车辆目标的快速检测、识别和定位。首先为了改善YOLOv4-tiny网络对小目标类型检测精度差的问题,基于特征金字塔网络对第二标度输出层的最后一个CBL输出特征与网络中第二个CSP输出特征进行融合,并在原有网络的基础上增加52×52的标度输出;其次,利用迁移学习权重在自己采集的数据集上进行实验,训练得出合适的权重进行测试。实验结果表明,与YOLOv4-tiny相比,改进后的网络结构相对YOLOv4-tiny的AP提升4.4%、召回率(Recall)提升4.6%、准确率(Precision)提升8.4%,且可以准确检测并定位车辆的位置。