基于改进卷积神经网络的小目标检测算法

来源：计算机应用与软件杂志2024年第9期北京时间：

作者：张明, 余志强

摘要：对于在检测时存在小尺度检测目标漏检、不精确等问题，提出一种改进的YOLO v4算法模型JP(F-YOLO v4)。利用改进的K均值聚类算法对数据集进行聚类，使得锚点框的大小更适用于目标检测；采用深度卷积和逐点卷积相结合的方法对通道内和通道间的卷积进行分离，从而改善了原有的残差块；采用通道注意力机制对骨干网络进行改进的同时在PANet网络中添加RFB模块，增强特征提取能力，从而提高了对小目标的检测效果。实验结果表明，F-YOLO v4算法在KITTI数据集上平均精度均值达到了93.67%，与原算法对比提高了1.52百分点，并且比较目前其他主流网络有着较高的精确度。

关键词：改进的YOLO v4算法, 深度可分离卷积, 注意力机制, RFB模块, 小目标检测