基于轻量级神经网络的目标检测研究

来源：计算机工程与科学杂志2022年第7期北京时间：

作者：黄志强, 李军, 张世义

单位：（1.重庆交通大学机电与车辆工程学院，重庆 400074;2.重庆交通大学航运与船舶工程学院，重庆 400074）

摘要：由于以CSPDarknet53为主干的YOLOv4神经网络参数量巨大，将其移植至手机等小型设备上时会降低其检测精度和速度，为了提高检测速度同时将检测精度控制在合理范围内，提出将原有的53层神经网络改为15层，并对其中的聚类算法进行优化，引入K-means++聚类算法对数据集进行分析，生成满足检测条件的Anchor Box；使用在负区间带有一定斜率的LeakyReLU激活函数代替存在梯度消失问题的Sigmoid激活函数，从而增强浅层网络的学习能力；同时考虑到Bounding Box与Anchor Box之间的中心距和宽高比具有一定的相关性，提出在原有损失函数的基础上增加相应的惩罚项生成LCIoU损失函数，使损失函数在反向传播时梯度下降的方向性更好。实验结果表明，改进后的CSPDarknet15神经网络在VOC2007数据集上检测的平均精度达到83.94%，检测一幅图像的时间为3 625 ms，与CSPDarknet53神经网络相比，检测速度提高了54.43%，能满足小型设备实时检测的速度和精度要求。

关键词：YOLOv4神经网络,K-means++聚类算法,LeakyReLU激活函数,LCIoU损失函数,

基金资助：重庆市轨道交通车辆系统集成与控制重点实验室项目(CSTC2015yfpt-zdsys30001)