基于改进YOLOv4的灾后人员检测算法

摘要：

针对地震等灾后环境复杂、救援机器人对救援目标识别实时性和准确度要求较高的问题,提出一种基于改进YOLOv4的目标检测模型.该算法将YOLOv4网络中的主干特征提取网络替换成MobileNetv1模型以增强特征复用,同时缩减网络参数量,提高运行速度;通过K-means++算法进行锚点维度聚类以适应灾后人员检测,提升算法精度.并且针对灾后人员检测数据集缺乏问题,贡献相应的数据集.实验结果表明,改进的网络与YOLOv4相比在保证模型精度的前提下帧率提升了约92％,权重文件大小变为原来的20.73％,满足了灾后救援机器人目标检测实时性和准确性的需求,对于灾后人员检测场景有一定的借鉴意义.

关键词：灾后救援、目标检测、改进YOLOv4、Mobilenetvl、K-means++

所属期刊栏目：33

分类号：TP391.41;TN929.5;TP242

资助基金：工信部生产现场信息物理系统平台重点项目;河北省中央引导地方科技发展专项资助项目

在线出版日期：2023-09-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：742-749