一种基于YOLOV4模型改进的目标精确检测算法

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：针对YOLOV4目标检测算法在实时检测中检测效率不高、检测位置精度不足等问题,对其骨干网络、损失函数等进行改进研究.本文研究从选择高性能小骨干网络开始,并利用深度可分离卷积对网络进行参数优化;最后,对误差项进行修正.结果表明,改进后的算法在参数上比原算法减少了36.7％,在VOC2007数据集上经过40500次迭代后与同迭代的原模型相比仅减少了18％的mAP值,具有一定的鲁棒性.本文提出的方法能够更快地对物体进行精确定位,因此适合对检测实时性要求比较高的嵌入式平台.

作者：

蔡敬辉、栗华杰、李斌

展开 >

作者单位：

西南科技大学理学院,四川绵阳,621000

关键词：

目标检测 YOLOV4 Resnet18 深度可分离卷积 IoU Aware Loss

基金：

四川省大学生创新创业训练计划项目

项目编号：

S202010619074

出版年：

2021

数码设计(下)

ISSN：1672-9129

年,卷(期)：2021.10(3)

被引量1
参考文献量4