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
Source Publication计算机工程与应用
Pages12
Abstract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
Document Type期刊论文
Identifierhttp://ir.ciomp.ac.cn/handle/181722/66228
Collection中国科学院长春光学精密机械与物理研究所
Affiliation1.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
Recommended Citation
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.
Files in This Item: Download All
File Name/Size DocType Version Access License
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-SAView Download
Related Services
Recommend this item
Bookmark
Usage statistics
Export to Endnote
Google Scholar
Similar articles in Google Scholar
[孙好]'s Articles
[董兴法]'s Articles
[王军]'s Articles
Baidu academic
Similar articles in Baidu academic
[孙好]'s Articles
[董兴法]'s Articles
[王军]'s Articles
Bing Scholar
Similar articles in Bing Scholar
[孙好]'s Articles
[董兴法]'s Articles
[王军]'s Articles
Terms of Use
No data!
Social Bookmark/Share
File name: 基于改进YOLOv4-tiny轻量化校内行人目标检测算法.pdf
Format: Adobe PDF
All comments (0)
No comment.
 

Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.