改进的Tiny YOLOv4算法及其在行人检测中的应用

摘要：

针对Tiny YOLOv4目标检测算法在行人检测中精确度低和召回率不高的问题,对特征提取网络及预测网络进行改进.在特征提取网络部分采用深度可分离卷积网络取代传统卷积网络,这减少了参数并降低了计算量;将注意力机制模块加入特征提取网络中以增强检测目标的感兴趣区域,提高检测精确度;在预测网络部分增加一个预测尺度,对增加的尺度进行特征增强处理,以提升目标检测的召回率.实验结果表明,与原算法相比,改进后的Tiny YOLOv4算法的检测精确度提升了7.1％,召回率提升了6.6％.

关键词：机器视觉、目标检测、深度可分离卷积、注意力机制、尺度增强预测

所属期刊栏目：59

分类号：TP391.4(计算技术、计算机技术)

资助基金：安徽工程大学检测技术与节能装置安徽省重点实验室开放基金DTESD2020A06

在线出版日期：2022-08-01（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：246-253