基于改进YOLOv4-tiny的节肢动物目标检测模型 |
| |
引用本文: | 余咏,吴建平,何旭鑫,韦杰,高雪豪.基于改进YOLOv4-tiny的节肢动物目标检测模型[J].计算机技术与发展,2024(1):114-120. |
| |
作者姓名: | 余咏 吴建平 何旭鑫 韦杰 高雪豪 |
| |
作者单位: | 1. 云南大学信息学院;2. 云南省电子计算中心 |
| |
基金项目: | 国家自然科学基金项目(62172354); |
| |
摘 要: | 针对自然环境下节肢动物背景复杂、形态万千、遮挡目标和目标尺度多样等因素,导致模型检测效率不高、边界框定位不准确的情况,提出一种基于改进YOLOv4-tiny的节肢动物目标检测模型。首先,结合空间、通道卷积注意力机制(CBAM),抑制背景噪声;其次,引入可变形卷积(DCN)以及改进的加权双向特征金字塔,重塑卷积和特征融合方式进行多尺度预测;最后,在FPN网络中引出一层Feat@3,嵌入空间金字塔池化结构,有效提取节肢动物的各种显著特征,使模型泛化能力更强,将改进后的模型命名为YOLOv4-tiny-ATO。实验结果表明,该模型在大小仅为54.6 Mb的前提下,很好地平衡了检测速度和检测精度,检测精度为0.725,检测速度达到89.6帧·s -1,召回率为0.585,较改进前相比YOLOv4-tiny模型,检测精度提高0.426,模型在模型大小、检测速度上更适用于移动端部署,模型检测精度也能达到应用标准,满足对节肢动物的检测需求。
|
关 键 词: | 节肢动物 目标检测 可变形卷积 YOLOv4-tiny 双向特征金字塔 |
|
|