嵌入scSE模块的改进YOLOv4小目标检测算法

• 作者: 蒋镕圻 彭月平 谢文宣 谢郭蓉
• 来源期刊: 图学学报
• 关键词: 小目标检测 YOLOv4 scSE注意力 空间金字塔池化 K-means++
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 图像处理与计算机视觉|Image Processing and Computer Vision
• 页码范围: 546-555
• 页数: 10页
• 分类号: TP391
• 语种: 中文
• DOI: 10.11996/JG.j.2095-302X.2021040546

摘要

为解决目标检测任务中小目标检测精度低,错检、漏检率高等问题,提出一种scSE-IYOLOv4的改进YOLOv4的小目标检测算法.实验使用VEDAI小目标数据集,采用K-means++算法对目标样本进行锚定框优化,以提升算法精度.在YOLOv4算法的基础上,分别研究分析了scSE注意力模块嵌入至模型不同位置以及在模型颈部增加SPP模块对算法检测性能带来的影响.实验证明,在YOLOv4模型的骨干网"Add"和"concat"层后嵌入scSE注意力模块,以及在颈部增加SPP模块均能有效提升算法对小目标的检测精度,在VEDAI测试集上mAP@0.5均提升了2.4％.根据YOLOv4算法模型骨干网和颈部改进的实验结果,提出scSE-IYOLOv4目标检测算法.实验证明scSE-IYOLOv4算法能显著提升小目标的检测精度,在VEDAI测试集上mAP@0.5值较YOLOv4提升了4.1％,在PASCAL VOC数据集上mAP@0.5提升了2.2％.