一种基于YOLOV4 Tiny的目标检测算法

• 作者: 张文 杨雅姿 黄驰 陈琳
• 来源期刊: 电脑与信息技术
• 学科: 工学
• 关键词: 目标检测 YOLOV4 Tiny 特征融合 空洞卷积
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 软件设计与开发|Software Design and Development
• 页码范围: 33-37
• 页数: 5页
• 分类号: TP391.41|TP18
• 语种: 中文
• DOI: 10.3969/j.issn.1005-1228.2022.02.009

摘要

YOLOV4 Tiny目标检测算法是通过卷积神经网络提取特征,进行预测类别和边界框坐标的经典深度学习算法,是YOLOV4目标检测算法的简化版,没有使用Mish激活函数来提取特征,而只使用特征金字塔来增强特征层,因此不需要进行下采样.存在的不足是检测精度比较低.文章针对YOLOV4 Tiny算法存在的不足进行了改进,将低层特征层与高层特征层进行特征融合,然后分别进行三次空洞卷积,在扩大感受野的同时也能捕获多尺度上下文信息,并将结果进行堆叠,取代原网络中的FPN特征金字塔.实验结果表明,改进后的YOLOV4 Tiny算法比原算法精度更高,满足实时要求,具有一定程度的鲁棒性.