基于改进YOLOv4-tiny的舰面多目标检测算法

作者：汪丁; 黄葵; 朱兴动; 范加利; 王正

来源：兵工自动化, 2022, 41(10): 1-6.

• 卷积神经网络
• 注意力机制
• 目标检测
• 空间金字塔池化
• 舰面目标

针对舰面多目标的检测问题，提出一种改进YOLOv4-tiny的舰面多目标检测算法。在卷积神经网络中引入卷积注意力模块(convolutional block attention module,CBAM)，通过混合通道特征和空间特征来关注舰面目标和抑制背景特征，提高网络的抗背景干扰能力；针对目标尺度变化加入空间金字塔池化结构(spatial pyramid pooling,SPP)以融合不同尺度的特征，提高对不同大小目标的检测能力；使用Mish激活函数替代Leaky ReLU激活函数以获得更好的泛化能力。实验结果表明：5类舰面目标的平均检测精度为92.22%，接近YOLOv4算法的96.48%，而检测速度(frames per second,FPS)达到了42.5帧/s，远高于YOLOv4的18帧/s；该算法能较好地平衡准确率和速度的关系，可以对舰面目标进行实时检测。