基于多向特征金字塔的轻量级目标检测算法

针对实时目标检测算法Tiny YOLOv3存在的深层特征难以提取、实时性不能满足需求、边界框定位不够准确的问题,提出一种改进的轻量级检测模型MTYOLO(MdFPN Tiny YOLOv3)。该模型构造多向特征金字塔网络(MdFPN)代替简单级联,充分完成了多层语义信息的提取与融合;使用深度可分离卷积代替标准卷积,有效降低网络复杂度,提升了检测的实时性能;采用Complete IOU loss(CIOU loss)代替MSE作为回归损失函数,极大地提高了边界框的回归精度。在PASCAL VOC和COCO数据集上对MTYOLO进行测试,结果表明,改进后模型的mAP最高可达到83.7%,检测速度最快可达到205 fps。