基于改进YOLOv4-Tiny轻量化校内行人目标检测算法

作     者：孙好 董兴法 王军 陈致远 SUN Hao;DONG Xingfa;WANG Jun;CHEN Zhiyuan

作者机构：苏州科技大学电子与信息工程学院江苏苏州215009 中国科学院长春光学精密机械与物理研究所长春130033 中国白城兵器试验中心吉林白城137001 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2023年第59卷第15期

页      面：97-106页

核心收录：

学科分类：08[工学] 081201[工学-计算机系统结构] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(11804244) 江苏省“十三五”重点学科项目(20168765)。 

主　　题：校内行人 深度学习 YOLOv4-Tiny Ghost卷积 非极大值抑制 

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。