基于改进YOLOv4-Tiny轻量化校内行人目标检测算法

摘要：

深度学习常用于行人检测,为了在嵌入式设备上应用复杂的传统卷积神经网络,网络的轻量化是必然趋势,但难以兼顾速度和精度.为解决这个问题,设计了一种基于改进YOLOv4-Tiny的轻量化校内行人目标检测算法.提出了一种多尺度空洞卷积模块的改进Ghost卷积特征提取模块,同时普通卷积用深度可分离卷积代替,降低了模型复杂度,增加特征提取的多样性;构建了一种空洞深度可分离卷积的改进空间金字塔池化结构,增强上下文特征的融合,提高检测精度,减少网络参数;再引入Soft-NMS取代传统非极大值抑制,降低漏检率.实验结果表明,该算法在多个数据集和硬件平台上,其具有精度高、速度快、模型参数少和体积少等特点,可以应用于嵌入式设备.

关键词：校内行人、深度学习、YOLOv4-Tiny、Ghost卷积、非极大值抑制

所属期刊栏目：59

分类号：TP389.1(计算技术、计算机技术)

资助基金：国家自然科学基金;江苏省十三五重点学科项目

在线出版日期：2023-08-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：97-106