基于改进YOLOv4-tiny轻量化校内行人目标检测算法
文献类型：期刊论文
| 作者 | 孙好; 董兴法; 王军; 陈致远 |
| 刊名 | 计算机工程与应用
 |
| 出版日期 | 2022 |
| 页码 | 12 |
| 英文摘要 | 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标识 | 查看原文 |
| 源URL | [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.中国白城兵器试验中心 2.中国科学院长春光学精密机械与物理研究所 3.苏州科技大学电子与信息工程学院 |
| 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. |
入库方式： OAI收割
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。