改进YOLOv4-tiny网络的狭小空间目标检测方法

摘要：

针对狭小空间中目标相互遮挡导致轻型检测网络存在大量漏检、分类错误等问题,基于YOLOv4-tiny提出一种自适应非极大抑制(adaptive non-maximum suppression,A-NMS)的多尺度检测方法.在骨干网络引入大尺度特征图优化策略和金字塔池化模型,增强遮挡目标显著区域特征;设计内嵌空间注意力的双路金字塔特征融合网络,提升浅层细节特征与高级语义信息的融合能力;提出区域目标密度与边界框中心距离因子相关联的动态NMS阈值设定方法,并在后处理阶段代替传统IoU-NMS算法,进一步减少漏检.实验结果表明,与YOLOv4-tiny算法相比,改进算法在公开数据集PASCAL VOC07+12和自制数据集上mAP值分别提高2.84个百分点和3.06个百分点,FPS保持在87.9,对遮挡目标的检测能力显著提升,满足移动端对狭小复杂场景实时检测的需求.

关键词：狭小空间、遮挡目标检测、YOLOv4-tiny、空间注意力、多尺度特征融合、自适应非极大抑制

所属期刊栏目：58

分类号：TP391.4(计算技术、计算机技术)

资助基金：河南省科技攻关项目202102310527

在线出版日期：2022-05-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：240-248