Real-time object detection method based on improved YOLOv4-tiny 论文链接：https://arxiv.org/abs/2011.04244

294 FPS！具有比YOLOv4-tiny（270 FPS）和YOLOv3-tiny更快的目标检测速度（277 FPS），并且其平均精度的平均值与YOLOv4-tiny几乎相同，作者单位：东北电力大学, 北华大学

YOLOv4是深度学习中的一种目标检测方法。YOLOv4-tiny是基于YOLOv4提出的，它可以简化网络结构并减少参数，使其适合在移动和嵌入式设备上进行开发。为了提高目标检测的实时性，提出了一种基于YOLOv4-tiny的快速目标检测方法。它首先使用ResNet-D网络中的两个ResBlock-D模块，而不是Yolov4-tiny中的两个CSPBlock模块，从而降低了计算复杂度。其次，设计了辅助残差网络块，以提取更多的物体特征信息，以减少检测误差。在辅助网络的设计中，使用两个连续的3x3卷积获得5x5感受野以提取全局特征，并使用通道注意力和空间注意力来提取更有效的信息。最后，它将辅助网络和骨干网络合并，以构建改进的YOLOv4-tiny的整个网络结构。仿真结果表明，该方法具有比YOLOv4-tiny和YOLOv3-tiny更快的目标检测速度，并且其平均精度的平均值与YOLOv4-tiny几乎相同。它更适合于实时目标检测。

内容中包含的图片若涉及版权问题，请及时与我们联系删除