-
题名基于改进YOLOv4的轻量化目标检测方法
- 1
-
-
作者
苏盈盈
何亚平
喻骏
王晓峰
邓圆圆
罗妤
-
机构
重庆科技大学电气工程学院
重庆科技大学大数据与数理学院
-
出处
《中南民族大学学报(自然科学版)》
CAS
2024年第3期370-377,共8页
-
基金
重庆市自然科学基金资助项目(CSTB2022NSCQ-MSX1425,cstc2019jcyj-msxmX0220)
重庆科技大学创新项目(YKJCX2220408,YKJCX2220419)。
-
文摘
针对检测模型参数量大,难以在嵌入式设备上部署等问题,设计了一种改进的YOLOv4目标检测算法.该算法使用轻量化的MobileNetV1替换CSPDarketnet53主干特征提取网络,并将后续网络中的3×3卷积替换为深度可分离卷积,极大地减少了模型的参数量;在检测头加入NAM注意力模块,增强网络对细节信息的提取能力;采用SDIoU Loss作为边框回归损失,在加快收敛速度的同时提高了检测精度.实验表明:与YOLOv4-CSPDarknet53相比,改进算法在PASCAL VOC07+12数据集上训练出来的模型大小为47.19 M,约为原来的五分之一,FPS提升了40(f/s),mAP提升了2.4%.与YOLOv4-Tiny、YOLOv5s、YOLOv7等目标检测算法相比,具有兼顾检测速度与精度的特点.
-
关键词
损失函数
YOLOv4
注意力机制
目标检测
轻量化网络
-
Keywords
loss function
YOLOv4
attention mechanisms
object detection
lightweight network
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-