科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对当前网络模型复杂，网络运行速度慢、实时性存在偏低的问题。通过使用不同的策略，借鉴不同的网络模型，最终提出轻量化的模型M-YOLOv4。其在提升检测速度的同时针对小目标物体检测也有一定的提高，该方法首先引入深度可分离卷积，在保证模型精度的情况下，结合注意力机制，在实现模型的加速的同时，增强对多尺度目标的特征提取，利用各种轻量级网络的网络结构，对YOLOv4主干部分进行改进，使其对图像的局部特征进一步加强，实现模型的压缩和加速，最后通过比较各个模型的准确率、参数量及运算量证实对目标检测算法的轻量化。实验结果表明，方法针对包含小物体的不同的复杂环境，能够实现多尺度目标的检测，极大加快了模型的运行速度，且准确率达到80.12%,实现了准确率与实时性的平衡。
- 单位
