10.3969/j.issn.2095-2163.2022.01.032
基于YOLOv4目标检测算法的轻量化网络设计
目标检测是计算机视觉领域的一个重要研究方向,在交通监控、人机交互等方面都有着广泛的应用.目前,基于深度学习的YOLOv4检测网络与传统目标检测相比,其检测精度虽然有所提高,但存在网络参数量大、对计算机硬件要求较高等问题.针对于此,本文对YOLOv4网络进行了改进,即采用MobileNetv2与YOLOv4的主干特征提取网络相结合,并利用深度可分离卷积模块,对YOLOv4的PANet和SPP模块中的传统卷积进行了优化,在公开数据集VOC07+12上进行训练,并将训练后的模型在VOC07test数据集上进行分析、检测.实验结果表明,改进后的YOLOv4卷积神经网络相比于YOLOv4神经网络参数量降低了83.6%,FPS提升了5.8,mAP@0.5下降了8.5%,降低了网络对计算机硬件的要求,实现了网络模型的轻量化.
目标检测、YOLOv4、MobileNet、轻量化神经网络
12
TP391.4(计算技术、计算机技术)
2022-04-07(万方平台首次上网日期,不代表论文的发表时间)
共4页
164-167