改进YOLOv4的实验室设备检测算法

摘要：

针对实验室设备的检测识别问题,提出一种改进YOLOv4算法.针对K-means聚类算法在尺度分布不均匀场景下的局限性,提出一种将数据集标注框按大小划分区间,分别聚类的IK-means++算法;在主干网络中引入通道注意力模块,提出一种阶梯状特征融合网格加强特征融合能力;以计算机实验室为例构建数据集进行训练.实验结果表明,IK-means++算法聚类效果得到有效提升;改进后的YOLOv4算法检测精度更高,模型复杂度更低,速度更快.

关键词：实验室设备、检测识别、先验框聚类、YOLOv4算法、通道注意力、特征融合、复杂度

所属期刊栏目：44

分类号：TP242.6+2(自动化技术及设备)

资助基金：贵州省省级教学工程基金项目;国家自然科学基金;贵州省工业攻关基金项目

在线出版日期：2023-02-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：133-140