基于YOLOv4 Tiny的改进型口罩佩戴检测方法

1

作者 李智强 阚正佳 郭剑辉 《计算机与数字工程》 2025年第7期1909-1914,1927,共7页

新型冠状病毒在全球蔓延,威胁到人们的生命安全,在公共场所预防病毒感染最简单有效的方式就是佩戴口罩。对于监督行人是否佩戴口罩,往往需要依赖工作人员人工判定。为了减少人力资源浪费,论文针对YOLOv4 Tiny进行改进,设计出一款轻量化... 新型冠状病毒在全球蔓延,威胁到人们的生命安全,在公共场所预防病毒感染最简单有效的方式就是佩戴口罩。对于监督行人是否佩戴口罩,往往需要依赖工作人员人工判定。为了减少人力资源浪费,论文针对YOLOv4 Tiny进行改进,设计出一款轻量化的目标检测模型来快速检测场所人员是否佩戴口罩。具体的改进包括:修改特征金字塔(Feature Pyramid Network,FPN)为交叉型FPN;添加高效通道注意力模块(Efficient Channel Attention,ECA);将检测头进行解耦并设计为anchor-free的网络框架;添加改进的简单最优传输分配(Simple Optimal Transport Assignment,SimOTA)策略。此外,通过收集相应数据集以及手动标记的方式,创建了一个拥有5738张图片的数据集。经过实验对比,改进型YOLOv4 Ti⁃ny相较于原版YOLOv4 Tiny平均精度提升了1.6%,GPU执行速度提升了12.16%,CPU执行速度提升了9.1%。 展开更多

关键词 yolov4 Tiny 口罩佩戴检测 轻量化 卷积神经网络 SimOTA

在线阅读 下载PDF 职称材料

基于改进轻量型YOLOV4的图像弱小目标检测研究

2

作者 黄相杰 《微型电脑应用》 2025年第6期34-39,共6页

针对图像弱小目标像素少、边缘信息不显著,有效特征难以提取检测这一问题,提出基于改进轻量型YOLOV4的图像弱小目标检测方法。将MobileNetv3的倒置残差结构、通道注意力机制以及金字塔池化模块相结合,设计改进型主干提取器,捕捉图像细... 针对图像弱小目标像素少、边缘信息不显著,有效特征难以提取检测这一问题,提出基于改进轻量型YOLOV4的图像弱小目标检测方法。将MobileNetv3的倒置残差结构、通道注意力机制以及金字塔池化模块相结合,设计改进型主干提取器,捕捉图像细微特征、多尺度目标特征;将所提特征输入增强型特征提取器,从通道、空间角度,增强图像目标特征;将增强后的特征输入弱小目标预测框生成器,生成器采用不同尺寸锚框与Anchor解码方法,解码并显示目标位置、大小、种类及置信度。为保证弱小目标检测精度,采用类平滑标签技术避免出现过拟合问题。实验结果验证,所提方法对轴承套圈弱小缺陷目标检测结果精准,且检测时,得益于轻量化结构,参数与计算量均少于比较方法。 展开更多

关键词 改进轻量型 yolov4网络 图像弱小目标检测 通道注意力 金字塔池化 平滑标签

在线阅读 下载PDF 职称材料

基于轻量化YOLOv4的绝缘子故障检测

3

作者 何王金 王昭雷 +1 位作者 张旭 侯亚欣 《工业控制计算机》 2025年第4期41-43,共3页

基于深度学习的绝缘子定位模型存在层次深、参数多、训练时对硬件设备要求高的问题,因此利用轻量型网络MobileNet对YOLOv4轻量化,以提高网络的检测速度;将空洞卷积引入SPP结构中,扩大了感受野,降低了多目标绝缘子漏检的概率;轻量化后YOL... 基于深度学习的绝缘子定位模型存在层次深、参数多、训练时对硬件设备要求高的问题,因此利用轻量型网络MobileNet对YOLOv4轻量化,以提高网络的检测速度;将空洞卷积引入SPP结构中,扩大了感受野,降低了多目标绝缘子漏检的概率;轻量化后YOLOv4网络会存在一定的精度损失,因此对其特征金字塔部分增加反馈机制,使其可以反复地提取特征;在减少参数量、易于训练的同时,兼顾了对绝缘子及其破损的检测能力,保证了网络检测的精确度。通过与YOLOv4、SSD算法进行对比,所采用的模型参数量降低了72.26%,mAP值提高了6.2%,帧速度达到31.1帧/s,提高了3.75帧/s。该算法具有对硬件设备要求低、通用性强的特点,可以满足绝缘子破损定位的实时性要求。 展开更多

关键词 绝缘子破损检测 yolov4 轻量化网络 空洞卷积

在线阅读 下载PDF 职称材料

基于改进YOLOv4的轻量化目标检测算法 被引量：12

4

作者 宋中山 肖博文 +2 位作者 艾勇 郑禄 帖军 《电子测量技术》 北大核心 2022年第16期142-152,共11页

为解决YOLOv4目标检测网络结构复杂、参数多、训练所需的配置高以及实时检测图片的传输帧数低,难以实现工业上的应用普及等问题,提出一种基于YOLOv4改进的轻量化算法SL-YOLO。在原始的YOLOv4网络上进行改进和优化,使用ShuffleNetv2轻量... 为解决YOLOv4目标检测网络结构复杂、参数多、训练所需的配置高以及实时检测图片的传输帧数低,难以实现工业上的应用普及等问题,提出一种基于YOLOv4改进的轻量化算法SL-YOLO。在原始的YOLOv4网络上进行改进和优化,使用ShuffleNetv2轻量级网络替换YOLOv4原始骨干网络,将SENet模块融入ShuffleNetv2,降低网络计算复杂度,在网络层中加入Swish激活函数,使模型收敛效果更好;同时用简化后的加权双向特征金字塔结构改进原模型的特征融合网络,优化目标检测精度;通过消融实验判定各通道的重要性,对冗余剪枝,将模型进行压缩。在PASCAL VOC和MS COCO数据集上进行对比实验,改进后的模型与原始YOLOv4相比,模型内存减少89.4%,浮点运算量下降88.4%,检测速度提升了近2倍。实验结果表明,改进后的YOLOv4模型能够在保持较高的精度下有效减少模型推理计算量,大大提升模型检测速度。 展开更多

关键词 目标检测 轻量化网络 特征金字塔 ShuffleNetv2 yolov4

原文传递

基于改进的YOLOv4安全帽佩戴检测研究 被引量：18

5

作者 郭师虹 井锦瑞 +1 位作者 张潇丹 秦晓晖 《中国安全生产科学技术》 CAS CSCD 北大核心 2021年第12期135-141,共7页

为了加强建筑工人佩戴安全帽情况的检测,防止安全事故的发生,提出1种改进的轻量级YOLOv4安全帽佩戴检测算法,用于运行在移动设备端,降低现场部署的条件;制作1个8000幅图像的数据集,用于训练和评估安全帽检测算法;为了评估改进的YOLOv4... 为了加强建筑工人佩戴安全帽情况的检测,防止安全事故的发生,提出1种改进的轻量级YOLOv4安全帽佩戴检测算法,用于运行在移动设备端,降低现场部署的条件;制作1个8000幅图像的数据集,用于训练和评估安全帽检测算法;为了评估改进的YOLOv4的性能,从5个不同建筑工地采集到600张施工人员图像和60条施工视频作为验证集;根据建筑工地不同的视觉条件对图像进行分类,用于验证本文算法在不同外界环境下的性能。结果表明:改进后的模型检测速度是YOLOv4的3.4倍,可用于实时检测施工人员在不同施工现场条件下是否佩戴安全帽的情况,有利于提高安全检查和监督水平。 展开更多

关键词 施工管理 安全帽检测 轻量化神经网络 yolov4 实时检测

在线阅读 下载PDF 职称材料

应用于绝缘子缺陷检测的轻量化YOLOv4研究 被引量：11

6

作者 马进 白雨生 《电子测量技术》 北大核心 2022年第14期123-130,共8页

针对YOLOv4主干网络庞大、参数量多,应用于绝缘子缺陷检测中无法满足实时性要求的问题,提出一种轻量化的YOLOv4检测模型。首先,引入含ECA集成组件的GhostNet作为特征提取网络,保证特征提取能力的同时大幅减少模型参数,加快模型推理速度... 针对YOLOv4主干网络庞大、参数量多,应用于绝缘子缺陷检测中无法满足实时性要求的问题,提出一种轻量化的YOLOv4检测模型。首先,引入含ECA集成组件的GhostNet作为特征提取网络,保证特征提取能力的同时大幅减少模型参数,加快模型推理速度。其次,使用K-means++聚类算法确定出初始锚框尺寸,以适应绝缘子缺陷大小,提升缺陷定位精度。最后,在交叉熵损失函数的基础上引入Quality Focal Loss改进损失函数,进一步提升模型检测性能。实验结果表明,改进后的轻量化YOLOv4与原始YOLOv4相比,模型大小压缩至原来的62.47%,每秒帧率提升了68.83%,绝缘子缺陷检测的准确率提升了1.07%,在显著提升检测速度的同时保证了算法检测精度,且在小目标和复杂背景下表现突出。 展开更多

关键词 绝缘子缺陷检测 轻量化网络 GhostNet yolov4 目标检测

原文传递

融合GhostNet的YOLOv4轻量化网络设计与实现 被引量：3

7

作者 石博雅 董学峰 《小型微型计算机系统》 CSCD 北大核心 2024年第3期651-656,共6页

由于存储资源和功耗等限制,在嵌入式设备上部署基于深度学习的目标检测算法存在困难,且效果不佳.基于YOLOv4算法,提出了一种改进的YOLOv4-Light轻量化网络模型,采用GhostNet网络结构替换CSPDarknet53作为主干提取网络,引入CBAM注意力机... 由于存储资源和功耗等限制,在嵌入式设备上部署基于深度学习的目标检测算法存在困难,且效果不佳.基于YOLOv4算法,提出了一种改进的YOLOv4-Light轻量化网络模型,采用GhostNet网络结构替换CSPDarknet53作为主干提取网络,引入CBAM注意力机制关注通道和空间两个维度的特征信息,并利用感知量化方法对权重进行INT8量化处理,在保证精度的情况下降低网络模型规模和参数量.在PC端和NVIDIA Jetson Xavier NX上选用VisDrone无人机数据集分别对网络模型进行测试,结果表明YOLOv4-GhostNet-CBAM模型的尺寸是160M,比YOLOv4降低了34.43%;检测速率最高可达到34.6FPS,比YOLOv4提高了56.6%.YOLO-Light模型的尺寸是40.2M,比YOLOv4降低了83.5%;检测速率最高可达到78.6FPS,为YOLOv4的3.6倍,且交并比为0.5时的平均精度均值(mAP50)与YOLOv4相比仅下降了3%.YOLO-Light模型相较于原模型优势明显,能够在低功耗的嵌入式设备上完成实时目标检测. 展开更多

关键词 目标检测 yolov4 轻量化网络 嵌入式设备 INT8量化

在线阅读 下载PDF 职称材料

基于改进YOLOv4的施工机械检测方法 被引量：5

8

作者 王仁超 解加凯 毛三军 《土木工程与管理学报》 2023年第2期16-23,共8页

为提升施工现场管理水平,实现复杂施工场景下施工机械的实时检测,本文提出一种基于改进YOLOv4的施工机械检测方法。基于YOLOv4目标检测模型,将网络中普通3×3卷积替换为深度可分离卷积,使用轻量化特征提取网络替换模型主干网络,降... 为提升施工现场管理水平,实现复杂施工场景下施工机械的实时检测,本文提出一种基于改进YOLOv4的施工机械检测方法。基于YOLOv4目标检测模型,将网络中普通3×3卷积替换为深度可分离卷积,使用轻量化特征提取网络替换模型主干网络,降低模型大小和参数量,提升模型检测速度。除此之外,在网络中添加注意力机制,在不影响检测速度的前提下提升模型检测精度。实验证明,本文提出的M1-DSC-YOLOv4+ECA算法在自制施工机械数据集上的平均准确率均值(mAP)达到了86.46%,检测速度为31.39 FPS,模型大小仅为原来的1/5,拥有高检测精度和实时检测速率,表明该算法能够满足施工场景下施工机械检测的准确性、实时性需求。 展开更多

关键词 施工机械检测 yolov4 轻量化网络 深度可分离卷积 注意力机制

在线阅读 下载PDF 职称材料

基于改进YOLOv4的轻量级目标检测算法研究 被引量：3

9

作者 程书帅 王霄 +2 位作者 李伟 杨靖 覃涛 《微电子学与计算机》 2023年第6期1-8,共8页

针对YOLOv4目标检测算法在一些应用场景的参数多、网络复杂、精度低等问题,提出一种改进的轻量级的目标检测算法GD-YOLO.首先,通过使用轻量级网络GhostNet替换掉YOLOv4的主干特征提取网络CSPDarknet,GhostNet网络极大降低了算法的参数... 针对YOLOv4目标检测算法在一些应用场景的参数多、网络复杂、精度低等问题,提出一种改进的轻量级的目标检测算法GD-YOLO.首先,通过使用轻量级网络GhostNet替换掉YOLOv4的主干特征提取网络CSPDarknet,GhostNet网络极大降低了算法的参数量及计算量,使得算法更加轻量化;其次,提出双重注意力机制(DATM),其不仅增强模型对空间和通道上的特征进行加强,而且其结构参数量小,使用在对主干网络提取出来的三个有效特征层添加双重注意力机制,让模型对特征提取更加有效;最后,新增ACON激活函数代替原有的GhostNet网络中的ReLU激活函数,进一步提高算法检测精度.在VOC2007+2012数据集上的实验结果表明,GD-YOLO算法的平均准确率(mAP)达到84.28%,与YOLOv4算法相比提升了4个百分点,与YOLOv5算法相比低了大约1个百分点;从模型参数量方面,与YOLOv4算法相比减少了11 M,与YOLOv5相比减少3 M.所提GD-YOLO算法相对于YOLOv4不仅减少了模型参数量,而且也保存了较高的平均准确率,表明该算法是更具有轻量化及高准确率的. 展开更多

关键词 目标检测 yolov4 轻量级网络 GhostNet 双重注意力机制

在线阅读 下载PDF 职称材料

改进YOLOv4-tiny的安全帽佩戴检测算法 被引量：14

10

作者 王建波 武友新 《计算机工程与应用》 CSCD 北大核心 2023年第4期183-190,共8页

针对已有的安全帽检测方法存在的模型参数量大,难以部署在边缘设备上,以及对较小目标检测效果不好等问题,提出一种改进YOLOv4-tiny的轻量级安全帽检测模型。针对小目标丢失过多问题,增加了检测小目标的尺度,提升模型关注小目标的能力。... 针对已有的安全帽检测方法存在的模型参数量大,难以部署在边缘设备上,以及对较小目标检测效果不好等问题,提出一种改进YOLOv4-tiny的轻量级安全帽检测模型。针对小目标丢失过多问题,增加了检测小目标的尺度,提升模型关注小目标的能力。提出了一种轻量级特征融合结构,缓解特征融合部分的语义混叠问题,并且在模型中融入了优化的注意力模块,提升模型捕获上下文信息的能力。针对分类与回归任务之间的冲突,将模型预测头替换为解耦合的预测头,采用并行的卷积分别进行分类与回归任务。将改进的模型命名为HM-YOLO,通过实验验证了HM-YOLO算法的有效性,相比YOLOv4-tiny模型,HM-YOLO模型平均精度提升了14.2个百分点,参数量减少了19%,检测速度为为63 FPS,具有良好的检测精度和实时性,更易于部署在边缘设备上。 展开更多

关键词 小目标检测 频域注意力 解耦头 yolov4 轻量级网络

在线阅读 下载PDF 职称材料

基于改进的YOLOv4-GhostNet水稻病虫害识别方法 被引量：45

11

作者 周维 牛永真 +1 位作者 王亚炜 李丹 《江苏农业学报》 CSCD 北大核心 2022年第3期685-695,共11页

针对水稻病虫害检测精度低、速度慢、模型复杂度高、部署困难等问题,改进了YOLOv4目标检测算法,结合轻量化GhostNet网络,提出了一种基于改进的YOLOv4-GhostNet水稻病虫害识别方法:1)利用幻象模块代替普通卷积结构,替换主干特征提取网络C... 针对水稻病虫害检测精度低、速度慢、模型复杂度高、部署困难等问题,改进了YOLOv4目标检测算法,结合轻量化GhostNet网络,提出了一种基于改进的YOLOv4-GhostNet水稻病虫害识别方法:1)利用幻象模块代替普通卷积结构,替换主干特征提取网络CSPDarkNet53,构建GhostNet模块进行图像的特征提取;2)改进YOLOv4网络的加强特征提取部分PANet结构;3)结合迁移学习与YOLOv4网络训练技巧。通过试验将YOLOv4及其MobileNet系列轻量化网络与Faster-RCNN系列网络和SSD系列网络进行对比,结果表明,改进的YOLOv4-GhostNet模型平均准确率达到79.38%,检测速度可达1 s 34.51帧,模型权重大小缩减为42.45 MB,在保持检测精度达到较高水平的同时模型参数量大幅度降低,适用于部署在计算能力不足的嵌入式设备上。 展开更多

关键词 水稻病虫害检测 GhostNet网络 yolov4 轻量化 迁移学习

在线阅读 下载PDF 职称材料

改进MobileViT与YOLOv4的轻量化车辆检测网络 被引量：18

12

作者 郑玉珩 黄德启 《电子测量技术》 北大核心 2023年第2期175-183,共9页

基于深度学习的目标检测算法在智能交通的应用中,对于车辆检测存在模型参数量大、计算速度慢和简单网络精准度较低的问题。本文提出了一种高效的轻量化车辆检测模型,该检测模型采用YOLOv4网络作为参考模型进行改进。首先,本文采用CSPMob... 基于深度学习的目标检测算法在智能交通的应用中,对于车辆检测存在模型参数量大、计算速度慢和简单网络精准度较低的问题。本文提出了一种高效的轻量化车辆检测模型,该检测模型采用YOLOv4网络作为参考模型进行改进。首先,本文采用CSPMobileViT网络来替换原始主干网络,然后将PANet替换成BiFPN,并且将BiFPN中的3×3标准卷积替换成深度可分离卷积,最后,在BiFPN之前和YOLO-Head之前添加ECA模块。在损失函数部分,将边框回归损失CIoU改进为Focal EIoU来解决难易样本不平衡的问题。实验结果表明改进网络的mAP值为96.77%,检测速度达到每张图片0.0234 s,模型大小只有32.76 MB,参数量为8587541,与原始算法相比mAP提升了1.54%,而模型大小和参数量仅约为原始模型1/8,并且FPS提升了7.5,改进算法具有更好检测效果。 展开更多

关键词 yolov4 MobileViT 车辆检测 轻量化网络

原文传递

基于改进YOLOv4的轻量级车辆检测方法 被引量：5

13

作者 李奇武 杨小军 《计算机技术与发展》 2023年第1期42-48,共7页

道路车辆检测是智能交通管控的重要组成部分。针对现有车辆检测算法模型容量大、参数数量较多、占用内存多,难以在智能交通监控场景中适用于算力和内存均有限的边缘设备的问题,提出一种改进YOLOv4的轻量化车辆检测方法MC-YOLO。为了减... 道路车辆检测是智能交通管控的重要组成部分。针对现有车辆检测算法模型容量大、参数数量较多、占用内存多,难以在智能交通监控场景中适用于算力和内存均有限的边缘设备的问题,提出一种改进YOLOv4的轻量化车辆检测方法MC-YOLO。为了减少算法的参数量,把YOLOv4网络模型压缩到合适的大小,对网络的部分结构做了针对性的设计:保留原YOLOv4的主干网以外的其余模块,将YOLOv4的主干CSPDarknet53替换为MobileNetV3使其轻量化;另外,为了弥补主干网络轻量化导致的车辆检测效果的下降,在检测网络的骨干和加强特征提取部分之间插入CBAM模块,提升车辆检测模型的性能。实验结果表明,经过改进的车辆检测算法在UA-DETRAC数据集上体现了良好的性能,平均精度与原YOLOv4算法相近,模型在参数量上比原YOLOv4模型减少了约77%,模型大小仅为55.3 MB,较原YOLOv4模型减少了约190 MB。改进后的车辆检测算法在模型轻量化的同时不仅能够保证较高的检测精度,而且能够满足在算力资源有限的边缘设备进行实时性车辆检测的需求。 展开更多

关键词 车辆检测 轻量化网络 yolov4 MobileNetV3 CBAM

在线阅读 下载PDF 职称材料

基于改进YOLOv4算法的无人机目标检测 被引量：8

14

作者 祁江鑫 吴玲 +2 位作者 卢发兴 史浩然 许俊飞 《兵器装备工程学报》 CSCD 北大核心 2022年第6期210-217,共8页

为了提高无人机集群检测精度和速度,提出了改进YOLOv4无人机集群目标检测方法。使用轻量化网络MobileNetV3分别获得5个有效特征层代替原网络中主特征提取网络生成的有效特征层,降低原网络的参数量和计算量;采用改进的K-means优化聚类先... 为了提高无人机集群检测精度和速度,提出了改进YOLOv4无人机集群目标检测方法。使用轻量化网络MobileNetV3分别获得5个有效特征层代替原网络中主特征提取网络生成的有效特征层,降低原网络的参数量和计算量;采用改进的K-means优化聚类先验框替代原算法中的先验框;基于公共数据集验证算法的有效性,在单无人机和无人机集群2种情况下进行了检测实验。实验结果表明:使用轻量化网络并利用改进K-means优化聚类先验框的改进YOLOv4算法,相比传统YOLOv3和YOLOv4算法明显提升无人机检测精度和检测速度,检测精度比YOLOv3和YOLOv4分别提高了16.4%、7.3%,检测速率分别提高0.82倍、1.27倍,漏检率分别降低了68.5%、6.25%,误检率分别降低了69.8%、62.2%,有效解决了误检和漏检等问题;与其他深度学习算法SSD和Centernet相比,检测精度分别提高15.4%、19.4%,检测速率分别提高了16.4%、52.1%。 展开更多

关键词 深度学习 轻量化网络 无人机 集群检测 改进yolov4 改进K-MEANS

在线阅读 下载PDF 职称材料

基于轻量化YOLOv4的轮毂内部缺陷检测算法 被引量：2

15

作者 范涛 王明泉 +2 位作者 张俊生 曹鹏娟 朱榕榕 《机械与电子》 2023年第2期3-7,12,共6页

为解决常规深度学习方法检测轮毂内部缺陷存在模型尺寸大、参数多和精度低等问题,提出一种轻量化YOLOv4的轮毂内部缺陷检测算法。该算法采用MobileNetV3替换YOLOv4的主干特征提取网络,并利用深度可分离卷积模块对YOLOv4的PANet(path agg... 为解决常规深度学习方法检测轮毂内部缺陷存在模型尺寸大、参数多和精度低等问题,提出一种轻量化YOLOv4的轮毂内部缺陷检测算法。该算法采用MobileNetV3替换YOLOv4的主干特征提取网络,并利用深度可分离卷积模块对YOLOv4的PANet(path aggregation network)模块中的传统卷积进行了替换。同时,在PANet特征加强网络中加入通道注意力机制(SE)模块,提高了轮毂内部缺陷目标的识别精度。测试结果表明,所提算法检测精度为90.23%,权值文件为45.2 MB,检测速率为68.38帧/s。相较于常规模型性能有所提升,更适用于轮毂内部缺陷的快速、准确检测。 展开更多

关键词 目标检测 yolov4 MobileNetV3 轻量化网络 通道注意力机制

在线阅读 下载PDF 职称材料

基于YOLOv4目标检测算法的轻量化网络设计 被引量：4

16

作者 胡亮 何小海 +1 位作者 卿粼波 吴小强 《智能计算机与应用》 2022年第1期164-167,共4页

目标检测是计算机视觉领域的一个重要研究方向,在交通监控、人机交互等方面都有着广泛的应用。目前,基于深度学习的YOLOv4检测网络与传统目标检测相比,其检测精度虽然有所提高,但存在网络参数量大、对计算机硬件要求较高等问题。针对于... 目标检测是计算机视觉领域的一个重要研究方向,在交通监控、人机交互等方面都有着广泛的应用。目前,基于深度学习的YOLOv4检测网络与传统目标检测相比,其检测精度虽然有所提高,但存在网络参数量大、对计算机硬件要求较高等问题。针对于此,本文对YOLOv4网络进行了改进,即采用MobileNetv2与YOLOv4的主干特征提取网络相结合,并利用深度可分离卷积模块,对YOLOv4的PANet和SPP模块中的传统卷积进行了优化,在公开数据集VOC07+12上进行训练,并将训练后的模型在VOC07test数据集上进行分析、检测。实验结果表明,改进后的YOLOv4卷积神经网络相比于YOLOv4神经网络参数量降低了83.6%,FPS提升了5.8,mAP@0.5下降了8.5%,降低了网络对计算机硬件的要求,实现了网络模型的轻量化。 展开更多

关键词 目标检测 yolov4 MobileNet 轻量化神经网络

在线阅读 下载PDF 职称材料

基于Slim-YOLOv4与嵌入式设备的无人机检测 被引量：3

17

作者 郑玉恒 付东翔 《电子科技》 2023年第5期55-61,共7页

为了在资源受限的嵌入式设备上实现对无人机的实时检测,文中提出了一种基于YOLOv4的轻量化检测网络,即Slim-YOLOv4。该网络选用Ghostnet替换原YOLOv4的主干特征提取部分,将特征融合部分中的3×3卷积替换为深度可分离卷积,并对深度... 为了在资源受限的嵌入式设备上实现对无人机的实时检测,文中提出了一种基于YOLOv4的轻量化检测网络,即Slim-YOLOv4。该网络选用Ghostnet替换原YOLOv4的主干特征提取部分,将特征融合部分中的3×3卷积替换为深度可分离卷积,并对深度可分离卷积中的激活函数进行优化,以减少网络的参数量、计算量,加快网络的收敛。实验结果表明Slim-YOLOv4的准确率达到91.6%,与原YOLOv4相比损失了1.6%,但是原YOLOv4的权重文件高达250 MB。在不影响鲁棒性的前提下,Slim-YOLOv4的权重文件大小仅为42 MB,且优于Faster-RCNN模型的108 MB和Mobilenetv3模型的53 MB。新方法每秒处理的图片数量在PC上达到31.2 frames·s^(-1),在嵌入式设备上高达37.6 frames·s^(-1),证明可以将其部署到嵌入式设备上对无人机进行实时检测。 展开更多

关键词 轻量化网络 yolov4 无人机检测 嵌入式平台 深度学习 Ghostnet ELU 实时检测

在线阅读 下载PDF 职称材料

改进YOLOv4的人脸口罩检测与硬件加速 被引量：2

18

作者 苏文俊 张学军 +3 位作者 许先富 谭伊璇 李斌 班艳娇 《计算机工程与设计》 北大核心 2023年第3期798-806,共9页

针对YOLOv4的人脸口罩检测参数量和计算量大,难以部署到硬件资源有限的嵌入式设备问题,提出一种轻量型YOLOv4算法,并设计卷积神经网络硬件加速器。将骨干网络替换成MobileNetv2,使用深度可分离卷积替换掉部分普通卷积,压缩网络结构;改进... 针对YOLOv4的人脸口罩检测参数量和计算量大,难以部署到硬件资源有限的嵌入式设备问题,提出一种轻量型YOLOv4算法,并设计卷积神经网络硬件加速器。将骨干网络替换成MobileNetv2,使用深度可分离卷积替换掉部分普通卷积,压缩网络结构;改进SPP模块以满足Vitis AI支持的池化窗口尺寸;在颈部网络中,增加CSP结构使网络更容易优化。实验结果表明,改进的算法牺牲0.25%的检测精度,压缩84.42%的模型大小。在ZYNQ上,mAP达到95.16%,DPU平均利用率减少38%。 展开更多

关键词 现场可编程门阵列 硬件加速 轻量化网络 yolov4 空间金字塔池化 人脸口罩检测 深度可分离卷积

在线阅读 下载PDF 职称材料

融合ECA机制的轻量化YOLOv4检测模型 被引量：2

19

作者 刘雅楠 李维乾 《计算机技术与发展》 2023年第7期146-153,共8页

近年来,卷积神经网络已在人脸识别、无人驾驶等领域取得重大突破。随着智能移动设备的普及,高精度的大型网络往往伴随着参数量多、计算量大等问题,无法部署在这些资源有限的移动设备平台上。GhostNet通过简单的线性操作生成更多特征映射... 近年来,卷积神经网络已在人脸识别、无人驾驶等领域取得重大突破。随着智能移动设备的普及,高精度的大型网络往往伴随着参数量多、计算量大等问题,无法部署在这些资源有限的移动设备平台上。GhostNet通过简单的线性操作生成更多特征映射,可大幅减少计算成本。为此,提出了一种改进轻量化YOLOv4的GhostNet-YOLOv4网络模型,该模型将YOLOv4的主干网络替换为GhostNet残差结构,借助即插即用的Ghost模块升级卷积神经网络,并使用Mosaic数据增强技术对数据集进行预处理,融合ECA机制,加入Focal Loss焦点损失函数,在保证一定精度的前提下大幅减少了模型的参数量和计算量。相对于改进前的GhostNet-YOLOv4模型,改进后的GhostNet-YOLOv4在PASCAL VOC 2007数据集上的mAP(mean Average Precision)提高1.65百分点,达到85.09%,且模型参数量只有11.429 M,相对于原YOLOv4模型减少了约80%,具有更好的综合性能。 展开更多

关键词 目标检测 yolov4 GhostNet 轻量化神经网络 注意力机制

在线阅读 下载PDF 职称材料

基于改进YOLOv4的雾天变电站电力设备识别方法 被引量：12

20

作者 熊凯飞 樊绍胜 吴静 《无线电工程》 北大核心 2022年第8期1504-1512,共9页

在雾霾天气下,巡检机器人检测变电站电力设备存在能见度低、目标不清晰等情况,而且常用的目标检测算法参数量过大,部署在巡检机器人上难以达到实时性的要求。为此,提出了一种结合Cycle-Dehaze去雾算法的轻量级变电站电力设备识别方法。... 在雾霾天气下,巡检机器人检测变电站电力设备存在能见度低、目标不清晰等情况,而且常用的目标检测算法参数量过大,部署在巡检机器人上难以达到实时性的要求。为此,提出了一种结合Cycle-Dehaze去雾算法的轻量级变电站电力设备识别方法。对采集到的变电站带雾图进行去雾预处理,提高目标电力设备的清晰度和可见性;在YOLOv4网络中引入MobileNetv3和深度可分离卷积,实现模型轻量化;在目标检测网络中嵌入SE注意力机制,提高电力设备识别精度。实验结果表明,Cycle-Dehaze与改进YOLOv4相结合的识别mAP可达92.5%,改进的YOLOv4比YOLOv4算法检测速度快15.59帧/秒,模型参数量减少了80.21%,更有利于在变电站巡检机器人上部署。 展开更多

关键词 变电站设备 yolov4网络 图像识别 Cycle-Dehaze 轻量级

在线阅读 下载PDF 职称材料