基于YOLOv4的车辆与行人检测网络设计

作     者：谭光兴 岑满伟 苏荣键 TAN Guang-xing;CEN Man-wei;SU Rong-jian

作者机构：广西科技大学电气与信息工程学院广西柳州545616 

基　　金：国家自然科学基金项目(61563005) 

出 版 物：《计算机仿真》 (Computer Simulation)

年 卷 期：2023年第40卷第4期

页      码：128-133页

摘      要：针对YOLOv4网络模型参数量大,难以在资源有限的设备平台上运行的问题,提出一种对YOLOv4轻量化的车辆和行人检测网络。以MobileNetV1为主干网络,将PANet和YOLO Head结构中的标准卷积替换成深度可分离卷积,减少模型参数量;同时利用跨深度卷积结合不同膨胀率的空洞卷积构建特征增强模块,改善不同预测层对车辆和行人尺度变化的适应能力,提高网络的检测精度。实验结果表明,上述网络模型大小为45.28MB,检测速度为44FPS,相比YOLOv4模型大小减少81.44%,检测速度提升91.30%,在PASCAL VOC2007测试集上,检测精度达到86.32%,相比MobileNetV1-YOLOv4原网络提高1.29%的精确度,能够满足实时高效的检测要求。

主 题 词：深度学习 目标检测 特征增强 轻量化 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1006-9348.2023.04.025

馆 藏 号：203121497...