原创力文档- 1、本文档共13页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
计算机科学与探索1673-9418/2024/18(01)-0138-13
JournalofFrontiersofComputerScienceandTechnologydoi:10.3778/j.issn.1673-9418.2301034
YOLOv4-Tiny的改进轻量级目标检测算法
+
何湘杰，宋晓宁
江南大学人工智能与计算机学院江苏省模式识别与计算智能工程实验室，江苏无锡214122
+通信作者E-mail:x.song@
摘要：目标检测是深度学习的重要分支领域，大量的边缘设备需要轻量级的目标检测算法，但现有的轻量级
的通用目标检测算法存在检测精度低、检测速度慢的问题。针对这一问题，提出了一种基于注意力机制的
YOLOv4-Tiny的改进算法。调整了原有的YOLOv4-Tiny算法的主干网络的结构，引入了ECA注意力机制，使
用空洞卷积改进了传统的SPP结构为DC-SPP结构，并提出了CSATT注意力机制，与特征融合网络PAN形成
CSATT-PAN的颈部网络，提高了网络的特征融合能力。提出的YOLOv4-CSATT算法和原始YOLOv4-Tiny算
法相比，在检测速度基本持平的情况下，对于信息的敏感程度以及分类的准确程度有了明显的提高，在VOC数
据集上精度提高了12.3个百分点，在COCO数据集上高出了6.4个百分点。在VOC数据集上，相比FasterR-
CNN、SSD、Efficientdet-d1、YOLOv3-Tiny、YOLOv4-MobileNetv1、YOLOv4-MobileNetv2、PP-YOLO算法在精
度上分别高出3.3、5.5、6.3、17.4、10.3、0.9和0.6个百分点，在召回率上分别高出2.8、7.1、4.2、18.0、12.2、2.1和4.0
个百分点，FPS达到94。通过提出CSATT注意力机制提高了模型对于空间的通道信息的捕捉能力，并结合
ECA注意力机制和特征融合金字塔算法，提高了模型的特征融合的能力以及目标检测精度。
关键词：目标检测；YOLOv4-Tiny算法；注意力机制；轻量级神经网络；特征融合
文献标志码：A中图分类号：TP391.41
ImprovedYOLOv4-TinyLightweightTargetDetectionAlgorithm
HEXiangjie,SONGXiaoning+
JiangsuEngineeringLaboratoryofPatternRecognitionandComputationalIntelligence,SchoolofArtificialIntelligence
andComputerScience,JiangnanUniversity,Wuxi,Jiangsu214122,China
Abstract:Objectdetectionisanimportantbranchofdeeplearning.Alargenumberofedgedevicesneedlightweight
objectdetectionalgorithms,buttheexistinglightweightuniversalobjectdetectionalgorithmshaveproblemsoflow
detectionaccuracyandslowdetectionspeed.Tosolvethisproblem,animprovedYOLOv4-Tinyalgorithmbasedon
attentionmechanismisproposed.ThestructureoftheoriginalbackbonenetworkofYOLOv4-Tinyalgorithmis
adjusted,theECA(efficientchannelattention)attentionmechanismisintroduced,thetraditionalspatialpyramid
pooli
文档评论（0）