典型文献
基于YOLOv4的目标检测优化方法
文献摘要：
针对YOLOv4目标检测网络结构复杂,参数量以及计算量大等问题,提出了 一种轻量化目标检测算法(YOLOv4-GC).首先,使用ghostnet结构替换原始YOLOv4的主干网络,降低了获取冗余特征图像的计算量,在SPP与PANet模块中使用深度可分离卷积,使模型的计算量和参数量比原始YOLOv4分别降低82％和80％;再结合PyConv多尺度卷积设计出Py-PANet金字塔结构,提高了模型对于图像特征的提取和融合能力.在Pascal VOC数据集上的实验结果表明,在保证模型精度的情况下模型的参数量和计算量相比原始有明显降低.
文献关键词：
轻量化;注意力机制;多尺度卷积;目标检测;YOLO网络
中图分类号：
作者姓名：
余尧
作者机构：
华中光电技术研究所-武汉光电国家研究中心,湖北武汉430223
文献出处：
引用格式：
[1]余尧-.基于YOLOv4的目标检测优化方法)[J].光学与光电技术,2022(06):45-52
A类：
ghostnet,PyConv
B类：
YOLOv4,目标检测网络,参数量,计算量,轻量化目标检测,目标检测算法,主干网络,冗余特征,特征图像,SPP,PANet,使用深度,深度可分离卷积,多尺度卷积,金字塔结构,图像特征,特征的提取,融合能力,Pascal,VOC,模型精度,注意力机制
AB值：
0.349842
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。
