基于改进路径聚合和池化YOLOv4的目标检测

作者：杨真真; 郑艺欣; 邵静; 杨永鹏

来源：南京邮电大学学报(自然科学版), 2022, 42(05): 1-7.

DOI：10.14132/j.cnki.1673-5439.2022.05.001

• 深度学习
• 目标检测
• 路径聚合
• 金字塔池化
• YOLOv4

针对YOLOv4目标检测器存在信息利用率不足的问题，提出了一种新的基于改进的路径聚合和池化YOLOv4的目标检测方法 YOLOv4-P。为了充分利用路径聚合可以有效防止信息丢失这个特点，对YOLOv4的路径聚合网络进行改进，利用主干特征提取网络的第二个残差块，新增一个检测层，加强融合浅层特征层。另外，使用K-means聚类对数据集重新进行处理，获得合适的先验框尺寸。此外，图像经过主干特征提取网络后的感受野比理论感受野小，为了增大感受野，在主干特征提取网络的后端加入金字塔池化模块，利用4种不同尺度的金字塔池化引入不同尺度下的特征信息。最后，在PASCAL VOC2007和VOC2012进行仿真实验，实验结果表明，提出的YOLOv4-P有效提高了检测精度。

• 单位
  南京信息职业技术学院; 南京邮电大学