基于ECA和YOLOv4的轻量级目标检测网络设计

李秉涛; 何勇; 袁琳琳

doi:10.13873/J.1000-9787(2023)09-0100-05

Chinese

您当前的位置：

首页 >

文章列表页 >

基于ECA和YOLOv4的轻量级目标检测网络设计

设计与制造 | 更新时间：2025-09-11

- 基于ECA和YOLOv4的轻量级目标检测网络设计
- 暂无标题
- 传感器与微系统 2023年第9期页码：100-104
- 作者机构：
  
  1. 贵州大学计算机科学与技术学院
  2. 贵州开放大学信息工程学院
- 作者简介：
- 基金信息：
  
  贵州省科技计划资助项目(黔科合基础[2019]1130号,黔科合支撑[2020]2Y007号)
- DOI：10.13873/J.1000-9787(2023)09-0100-05
  中图分类号： TP183;TP391.41
- 纸质出版：2023
- 稿件说明：
移动端阅览
李秉涛, 何勇, 袁琳琳. 基于ECA和YOLOv4的轻量级目标检测网络设计[J]. 传感器与微系统, 2023,(9):100-104.
李秉涛, 何勇, 袁琳琳. 基于ECA和YOLOv4的轻量级目标检测网络设计[J]. 传感器与微系统, 2023,(9):100-104. DOI： 10.13873/J.1000-9787(2023)09-0100-05.

DOI：

摘要

针对传统的目标检测网络存在参数量大、检测速度慢等不足，在计算资源受限的设备上难以满足实时性需求的问题，提出一种改进的YOLOv4-tiny目标检测算法，使用Bneck＿E替换主特征提取网络的CSP结构，在深层特征提取网络中，增加轻量级注意力机制——高效通道注意力(ECA)机制，采用双向特征融合，用深度可分离卷积对浅层特征下采样，提高对小目标的检测精度。在PASCAL VOC数据集上实验表明，该算法平均精度均值(mAP)提高了4.4%

帧率(FPS)提升了8.9%

模型大小仅为YOLOv4-tiny的36%

有利于在嵌入式设备上部署运行。

Abstract

关键词

Keywords

references

Distance-IoU Loss: Faster and Better Learning for Bounding Box Regression[J]. Zhaohui Zheng;Ping Wang;Wei Liu;Jinze Li;Rongguang Ye;Dongwei Ren.Proceedings of the AAAI Conference on Artificial Intelligence,2020

ECA-Net: Efficient channel attention for deep convolutional neural networks[J]. Wang Q.;Wu B.;Zhu P.;Li P.;Zuo W.;Hu Q..Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition,2020

基于GhostNet残差结构的轻量化饮料识别网络[J]. 曹远杰;高瑜翔.计算机工程,2022(03)

改进YOLO轻量化网络的口罩检测算法[J]. 王兵;乐红霞;李文璟;张孟涵.计算机工程与应用,2021(08)

浏览量

228

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于深度可分离卷积的大型铸件焊缝检测方法

轻量化深度学习网络的条码定位算法

基于改进SSD的车内宠物遗落检测方法

基于V5CA与几何特征的运动物体目标检测及位姿估计方法

基于深度可分离卷积残差模块的抓取检测算法