基于改进YOLOv4的轻量化目标检测算法

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.

关键词：目标检测、轻量化网络、特征金字塔、ShuffleNetv2、YOLOv4

所属期刊栏目：45

分类号：TP391.4(计算技术、计算机技术)

资助基金：湖北省科技重大专项;武汉市科技计划应用基础前沿项目;中南民族大学研究生学术创新基金项目

在线出版日期：2022-11-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：142-152