基于YOLOv4的目标检测方法研究

专业学位硕士论文 目标检测作为计算机视觉中最热门的研究领域之一，在很多实际场景都具有重要的应用 价值。本文对基于深度学习的目标检测方法进行研究， YOLOv4 作为目前主流的一阶段目标 检测方法，可以较好地平衡检测精度和速度，因此本文选取其作为研究对象。针对 YOLOv4 存在对深层和浅层信息特征提取不充分以及信息利用率不足的问题，对其进行改进，力求在 保证检测速度基本不变的同时尽可能地提升精度。本文的主要研究内容和创新性工作如下： (1)针对 YOLOv4 目标检测器深层和浅层信息特征提取不充分的问题，提出了一种新的 基于扩张坐标注意力 YOLOv4的目标检测方法，即 YOLOv4-D。该方法使用具有不同扩张率 的多个扩张卷积对注意力机制模块进行改进，提出了扩张坐标注意力模块，并将其置于主干 网络的浅层特征层之前，使得不同感受野下的特征映射得以融合，浅层网络的特征提取能力 得到显著提升。同时采用多尺度训练策略增强鲁棒性。版权归论文作者所有 侵联删。