典型文献
基于改进的YOLOv4的目标识别研究
文献摘要：
目标识别与检测作为模式识别领域的一种典型应用,如何快速准确地进行目标识别一直是个重要的研究课题.在深度学习算法中,YOLOv4和R-CNN具有出色的目标检测性能,为了改进目标识别中小目标的实时检测,提出了改进的YOLOv4目标检测算法.使用K-means聚类算法设计先验框,用于适应不同的中小型规模;根据中小型标记物体的大小提取一个特征层,并融合四个不同的特征层进行检测;将Mish激活函数应用于检测模型的颈部,取代泄漏的ReLU激活函数,以提高检测性能.实验结果表明,改进后的算法可有效提高检测精度.
文献关键词：
深度学习;目标检测;YOLOv4算法;小目标检测
中图分类号：
作者姓名：
徐翔;蔡茂国;唐剑兰
作者机构：
深圳大学电子与信息工程学院,广东 深圳518000
文献出处：
引用格式：
[1]徐翔;蔡茂国;唐剑兰-.基于改进的YOLOv4的目标识别研究)[J].信息技术,2022(12):107-111,117
A类：
B类：
YOLOv4,目标识别与检测,模式识别,典型应用,快速准确,研究课题,深度学习算法,出色,检测性能,改进目标,实时检测,目标检测算法,means,聚类算法,算法设计,先验框,中小型,标记物,层进,Mish,激活函数,函数应用,检测模型,ReLU,高检,检测精度,小目标检测
AB值：
0.427078
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
