图学学报 ›› 2021, Vol. 42 ›› Issue (4): 546-555.DOI: 10.11996/JG.j.2095-302X.2021040546
摘要: 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%。
中图分类号: