基于改进 YOLOv4-tiny 的实时目标检测方法
计算机视觉与模式识别
2022-07-21 v2 人工智能
摘要
“You only look once v4”(YOLOv4)是深度学习中目标检测方法的一种。YOLOv4-tiny 基于 YOLOv4 提出,以简化网络结构并减少参数量,使其适合在移动与嵌入式设备上开发。为提升目标检测的实时性,提出一种基于 YOLOv4-tiny 的快速目标检测方法。该方法首先用 ResNet-D 网络中的两个 ResBlock-D 模块替代 YOLOv4-tiny 中的两个 CSPBlock 模块,降低了计算复杂度。其次,设计辅助残差网络块以提取更多目标特征信息,从而降低检测误差。在辅助网络设计中,使用两个连续的 3x3 卷积获得 5x5 感受野以提取全局特征,并采用通道注意力与空间注意力提取更有效信息。最后,将辅助网络与主干网络合并,构建改进 YOLOv4-tiny 的整体网络结构。仿真结果表明,所提方法比 YOLOv4-tiny 与 YOLOv3-tiny 检测速度更快,且平均精度均值几乎与 YOLOv4-tiny 相同,更适用于实时目标检测。
引用
@article{arxiv.2011.04244,
title = {Real-time object detection method based on improved YOLOv4-tiny},
author = {Zicong Jiang and Liquan Zhao and Shuaiyang Li and Yanfei Jia},
journal= {arXiv preprint arXiv:2011.04244},
year = {2022}
}
备注
14pages,7figures,2tables