南京邮电大学学报(自然科学版)

作者：杨真真,郑艺欣,邵静,杨永鹏

单位：南京邮电大学 宽带无线通信与传感网技术教育部重点实验室，江苏 南京　210023南京邮电大学 宽带无线通信与传感网技术教育部重点实验室，江苏 南京　210023南京邮电大学 宽带无线通信与传感网技术教育部重点实验室，江苏 南京　210023南京邮电大学 宽带无线通信与传感网技术教育部重点实验室，江苏 南京　210023；南京信息职业技术学院 网络与通信学院，江苏 南京　210023

关键词：深度学习；目标检测；路径聚合；金字塔池化；YOLOv4

基金：国家自然科学基金(61501251)、南京邮电大学宽带无线通信与传感网技术教育部重点实验室开放研究基金(JZNY202113)和南京邮电大学科研项目(NY220207)资助项目

针对YOLOv4目标检测器存在信息利用率不足的问题，提出了一种新的基于改进的路径聚合和池化YOLOv4的目标检测方法YOLOv4 P。为了充分利用路径聚合可以有效防止信息丢失这个特点，对YOLOv4的路径聚合网络进行改进，利用主干特征提取网络的第二个残差块，新增一个检测层，加强融合浅层特征层。另外，使用K means聚类对数据集重新进行处理，获得合适的先验框尺寸。此外，图像经过主干特征提取网络后的感受野比理论感受野小，为了增大感受野，在主干特征提取网络的后端加入金字塔池化模块，利用4种不同尺度的金字塔池化引入不同尺度下的特征信息。最后，在PASCAL VOC2007和VOC2012进行仿真实验，实验结果表明，提出的YOLOv4 P有效提高了检测精度。

来源：2022年第5期

《南京邮电大学学报(自然科学版)》期刊编辑部

查看南京邮电大学学报(自然科学版)杂志2022年第5期