典型文献
基于M-YOLOv4模型的轻量化目标检测算法
文献摘要：
针对当前网络模型复杂,网络运行速度慢、实时性存在偏低的问题.通过使用不同的策略,借鉴不同的网络模型,最终提出轻量化的模型M-YOLOv4.其在提升检测速度的同时针对小目标物体检测也有一定的提高,该方法首先引入深度可分离卷积,在保证模型精度的情况下,结合注意力机制,在实现模型的加速的同时,增强对多尺度目标的特征提取,利用各种轻量级网络的网络结构,对YOLOv4主干部分进行改进,使其对图像的局部特征进一步加强,实现模型的压缩和加速,最后通过比较各个模型的准确率、参数量及运算量证实对目标检测算法的轻量化.实验结果表明,方法针对包含小物体的不同的复杂环境,能够实现多尺度目标的检测,极大加快了模型的运行速度,且准确率达到80.12％,实现了准确率与实时性的平衡.
文献关键词：
轻量化目标检测;神经网络;模型压缩;注意力机制;多尺度融合
中图分类号：
作者姓名：
李仁鹰;钱慧芳;郭佳豪;罗云豪
作者机构：
西安工程大学 西安710048
文献出处：
引用格式：
[1]李仁鹰;钱慧芳;郭佳豪;罗云豪-.基于M-YOLOv4模型的轻量化目标检测算法)[J].国外电子测量技术,2022(04):15-21
A类：
B类：
YOLOv4,轻量化目标检测,目标检测算法,运行速度,速度慢,检测速度,时针,小目标,物体检测,深度可分离卷积,模型精度,注意力机制,多尺度目标,轻量级网络,局部特征,参数量,运算量,复杂环境,大加,模型压缩,多尺度融合
AB值：
0.315171
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。
