典型文献
基于改进YOLOv4的轻量化目标检测算法
文献摘要：
为解决YOLOv4目标检测网络结构复杂、参数多、训练所需的配置高以及实时检测图片的传输帧数低,难以实现工业上的应用普及等问题,提出一种基于YOLOv4改进的轻量化算法SL-YOLO.在原始的YOLOv4网络上进行改进和优化,使用ShuffleNetv2轻量级网络替换YOLOv4原始骨干网络,将SENet模块融入ShuffleNetv2,降低网络计算复杂度,在网络层中加入Swish激活函数,使模型收敛效果更好;同时用简化后的加权双向特征金字塔结构改进原模型的特征融合网络,优化目标检测精度;通过消融实验判定各通道的重要性,对冗余剪枝,将模型进行压缩.在PASCAL VOC和MS COCO数据集上进行对比实验,改进后的模型与原始YOLOv4相比,模型内存减少89.4％,浮点运算量下降88.4％,检测速度提升了近2倍.实验结果表明,改进后的YOLOv4模型能够在保持较高的精度下有效减少模型推理计算量,大大提升模型检测速度.
文献关键词：
目标检测;轻量化网络;特征金字塔;ShuffleNetv2;YOLOv4
中图分类号：
作者姓名：
宋中山;肖博文;艾勇;郑禄;帖军
作者机构：
中南民族大学计算机科学学院 武汉430074;湖北省制造企业智能管理工程技术研究中心 武汉430074
文献出处：
引用格式：
[1]宋中山;肖博文;艾勇;郑禄;帖军-.基于改进YOLOv4的轻量化目标检测算法)[J].电子测量技术,2022(16):142-152
A类：
B类：
YOLOv4,轻量化目标检测,目标检测算法,目标检测网络,实时检测,难以实现,轻量化算法,SL,ShuffleNetv2,轻量级网络,骨干网络,SENet,计算复杂度,网络层,Swish,激活函数,收敛效果,加权双向特征金字塔,特征金字塔结构,结构改进,特征融合网络,优化目标,检测精度,消融实验,剪枝,PASCAL,VOC,COCO,浮点运算,运算量,检测速度,模型推理,计算量,模型检测,轻量化网络
AB值：
0.416537
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。
