基于双向特征金字塔的YOLOv4的改进

来源：计算机应用与软件杂志2024年第12期北京时间：

作者：李鹏翔, 邱保志

摘要：为了进一步提高YOLOv4算法的目标检测精度，提出一种改进算法YOLOv4TB（YOLOv4+Transformer+BiFPN）。JP+1该算法利用Transformer提取同一特征图上的共同发生的对象特征来进行特征增强，利用BiFPN(Bi-directional Feature Pyramid Network)模型替换PAN模型，解决YOLOv4中存在的冗余计算和不同特征层贡献度相同的问题。并在此基础上采用Leaky-ReLU激活函数和可分离卷积技术，解决目标检测精度下降和参数量、运算量上升的问题。在PASCAL VOC数据集上实验结果表明，与YOLOv4相比，YOLOv4TB算法具有较高的检测精度和运行效率，参数数量和运算量有所减少。

关键词：目标检测, 卷积神经网络, 特征融合, 归一化, Transformer