基于改进YOLOv4-tiny轻量化校内行人目标检测算法

CIOMP OpenIR

	基于改进YOLOv4-tiny轻量化校内行人目标检测算法
	孙好 ; 董兴法 ; 王军 ; 陈致远
	2022
发表期刊	计算机工程与应用
页码	12
摘要	深度学习常用于行人检测，为了在嵌入式设备上应用复杂的传统卷积神经网络，网络的轻量化是必然趋势，但难以兼顾速度和精度。为解决这个问题，该文设计了一种基于改进YOLOv4-tiny的轻量化校内行人目标检测算法。首先，提出了一种多尺度空洞卷积模块的改进Ghost卷积特征提取模块，同时普通卷积用深度可分离卷积代替，降低了模型复杂度，增加特征提取的多样性；其次，构建了一种空洞深度可分离卷积的改进空间金字塔池化结构，增强上下文特征的融合，提高检测精度，减少网络参数；最后，再引入Soft-NMS取代传统非极大值抑制，降低漏检率。实验表明，该算法在多个数据集和硬件平台上，其具有精度高、速度快、模型参数少和体积少等特点，可以应用于嵌入式设备。
URL	查看原文
文献类型	期刊论文
条目标识符	http://ir.ciomp.ac.cn/handle/181722/66228
专题	中国科学院长春光学精密机械与物理研究所
作者单位	1.苏州科技大学电子与信息工程学院 2.中国科学院长春光学精密机械与物理研究所 3.中国白城兵器试验中心
推荐引用方式 GB/T 7714	孙好,董兴法,王军,等. 基于改进YOLOv4-tiny轻量化校内行人目标检测算法[J]. 计算机工程与应用,2022:12.
APA	孙好,董兴法,王军,&陈致远.(2022).基于改进YOLOv4-tiny轻量化校内行人目标检测算法.计算机工程与应用,12.
MLA	孙好,et al."基于改进YOLOv4-tiny轻量化校内行人目标检测算法".计算机工程与应用 (2022):12.

条目包含的文件		下载所有文件
文件名称/大小	文献类型	版本类型	开放类型	使用许可
基于改进YOLOv4-tiny轻量化校内（1110KB）	期刊论文	出版稿	开放获取	CC BY-NC-SA	浏览下载