Changchun Institute of Optics,Fine Mechanics and Physics,CAS
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
![]() |
Pages | 12 |
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 |
Identifier | http://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 |
Affiliation | 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 |
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-SA | View Download |
Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.
Edit Comment