改进YOLOv4行人和车辆目标检测算法

作者：王玉莹; 朱福珍^*

来源：黑龙江大学自然科学学报, 2023, 40(01): 120-126.

DOI：10.13482/j.issn1001-7011.2022.10.052

• 目标检测
• YOLOv4
• CSPDarknet53
• 交叉熵损失

针对传统行人和车辆检测方法中小目标检测精度低、识别效果差以及遮挡的行人目标漏检问题，提出了一种基于YOLOv4改进的行人车辆检测算法。在主干网络与特征融合模块之间增加卷积层，3×3的卷积增大感受野，随后1×1的卷积降维。多层卷积学习到更多的纹理信息，提高了网络对特征的感知能力。为了解决YOLOv4样本不平衡的问题，利用焦点损失函数在解决正负样本分布不平衡问题上的优势，在分类损失函数中添加了一个调制系数λ,使得算法能够减少分类样本的损失。在Udacity数据集上的实验结果表明，相较于YOLOv4,改进的算法在主观视觉上能够检测出更多的目标，并且mAP提升了3.16%。

• 单位
  黑龙江大学; 电子工程学院