典型文献
基于改进路径聚合和池化YOLOv4的目标检测
文献摘要：
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.
文献关键词：
深度学习;目标检测;路径聚合;金字塔池化;YOLOv4
中图分类号：
作者姓名：
杨真真;郑艺欣;邵静;杨永鹏
作者机构：
南京邮电大学宽带无线通信与传感网技术教育部重点实验室,江苏南京 210003;南京信息职业技术学院网络与通信学院,江苏南京 210023
文献出处：
引用格式：
[1]杨真真;郑艺欣;邵静;杨永鹏-.基于改进路径聚合和池化YOLOv4的目标检测)[J].南京邮电大学学报（自然科学版）,2022(05):1-7
A类：
B类：
改进路径,YOLOv4,目标检测器,信息利用,目标检测方法,利用路径,信息丢失,路径聚合网络,主干特征提取网络,残差块,个检,检测层,加强融合,means,先验框,感受野,后端,金字塔池化模块,不同尺度,特征信息,PASCAL,VOC2007,VOC2012,检测精度
AB值：
0.316539
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。
