典型文献
一种基于YOLOV4 Tiny的目标检测算法
文献摘要：
YOLOV4 Tiny目标检测算法是通过卷积神经网络提取特征,进行预测类别和边界框坐标的经典深度学习算法,是YOLOV4目标检测算法的简化版,没有使用Mish激活函数来提取特征,而只使用特征金字塔来增强特征层,因此不需要进行下采样.存在的不足是检测精度比较低.文章针对YOLOV4 Tiny算法存在的不足进行了改进,将低层特征层与高层特征层进行特征融合,然后分别进行三次空洞卷积,在扩大感受野的同时也能捕获多尺度上下文信息,并将结果进行堆叠,取代原网络中的FPN特征金字塔.实验结果表明,改进后的YOLOV4 Tiny算法比原算法精度更高,满足实时要求,具有一定程度的鲁棒性.
文献关键词：
目标检测;YOLOV4 Tiny;特征融合;空洞卷积
中图分类号：
作者姓名：
张文;杨雅姿;黄驰;陈琳
作者机构：
长江大学,湖北 荆州 434023
文献出处：
引用格式：
[1]张文;杨雅姿;黄驰;陈琳-.一种基于YOLOV4 Tiny的目标检测算法)[J].电脑与信息技术,2022(02):33-37
A类：
B类：
YOLOV4,Tiny,目标检测算法,提取特征,边界框,深度学习算法,简化版,Mish,激活函数,使用特征,特征金字塔,下采样,检测精度,精度比较,低层,层进,特征融合,空洞卷积,感受野,多尺度上下文,上下文信息,堆叠,FPN
AB值：
0.342743
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。
