-
题名嵌入scSE模块的改进YOLOv4小目标检测算法
被引量：32
- 1
-
-
作者
蒋镕圻
彭月平
谢文宣
谢郭蓉
-
机构
武警工程大学信息工程学院
武警工程大学研究生大队
-
出处
《图学学报》
CSCD
北大核心
2021年第4期546-555,共10页
-
基金
武警工程大学科研创新团队课题(KYTD201803)
武警工程大学基础研究项目(WJY201905)。
-
文摘
为解决目标检测任务中小目标检测精度低,错检、漏检率高等问题,提出一种scSE-IYOLOv4的改进YOLOv4的小目标检测算法。实验使用VEDAI小目标数据集,采用K-means++算法对目标样本进行锚定框优化,以提升算法精度。在YOLOv4算法的基础上,分别研究分析了scSE注意力模块嵌入至模型不同位置以及在模型颈部增加SPP模块对算法检测性能带来的影响。实验证明,在YOLOv4模型的骨干网“Add”和“concat”层后嵌入scSE注意力模块,以及在颈部增加SPP模块均能有效提升算法对小目标的检测精度,在VEDAI测试集上mAP@0.5均提升了2.4%。根据YOLOv4算法模型骨干网和颈部改进的实验结果,提出scSE-IYOLOv4目标检测算法。实验证明scSE-IYOLOv4算法能显著提升小目标的检测精度,在VEDAI测试集上mAP@0.5值较YOLOv4提升了4.1%,在PASCAL VOC数据集上mAP@0.5提升了2.2%。
-
关键词
小目标检测
YOLOv4
scSE注意力
空间金字塔池化
K-means++
-
Keywords
small target detection
YOLOv4
scSE attention
spatial syramid pooling
K-means++
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
