典型文献
改进多尺度特征的YOLO_v4目标检测方法
文献摘要：
针对YOLO_v4模型因颈部网络串行连接的特征会逐渐被稀释,从而影响模型性能的问题,提出一种改进多尺度特征的YOLO_v4目标检测方法.该方法通过引入中间层的方式重构了YOLO_v4颈部网络结构,再通过中间层参与后续特征融合实现特征跨级连接,并使用可通过网络学习的参数作为特征间的平衡因子进行特征加权融合.在数据集V O C-2007和V O C-2012上的实验结果表明,该方法可使模型平均精度提高1.3％,并可有效提升模型对不同目标的检测能力.
文献关键词：
目标检测;深度学习;多尺度特征;加权融合
中图分类号：
作者姓名：
欧阳继红;王梓明;刘思光
作者机构：
吉林大学计算机科学与技术学院,长春 130012;吉林大学符号计算与知识工程教育部重点实验室,长春130012
文献出处：
引用格式：
[1]欧阳继红;王梓明;刘思光-.改进多尺度特征的YOLO_v4目标检测方法)[J].吉林大学学报（理学版）,2022(06):1349-1355
A类：
B类：
多尺度特征,YOLO,v4,目标检测方法,串行,影响模型,模型性能,中间层,特征融合,网络学习,平衡因子,特征加权,加权融合,模型平均,检测能力
AB值：
0.334731
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
