典型文献
基于改进YOLOv4算法的室内场景目标检测
文献摘要：
针对传统方法在室内场景目标检测中存在检测精度低、检测速度慢等问题，提出一种改进的YOLOv4算法模型。构建室内场景目标检测数据集，使用K-means++聚类算法优化先验框参数，提高先验框与目标的匹配度；调整原始YOLOv4的网络结构，将跨阶段局部网络结构融入模型颈部网络中，消除在特征融合阶段梯度反向传播导致的梯度信息冗余现象，提高对室内目标的检测能力；引入深度可分离卷积模块，取代模型中原有的3×3卷积层，减少模型参数，提升检测速度。实验结果表明，改进后的YOLOv4算法在室内场景目标检测数据集上的平均精度达83.0%，检测速度达72.1 frame/s，较原始YOLOv4算法，分别提高了3.2个百分点和6 frame/s，同时模型规模缩小了36.3%，优于目前其他基于深度学习的室内场景目标检测算法。
文献关键词：
目标检测;室内场景
中图分类号：
作者姓名：
李维刚;杨潮;蒋林;赵云涛
作者机构：
武汉科技大学冶金自动化与检测技术教育部工程研究中心，湖北 武汉 430081
文献出处：
引用格式：
[1]李维刚;杨潮;蒋林;赵云涛-.基于改进YOLOv4算法的室内场景目标检测)[J].激光与光电子学进展,2022(18):1815003
A类：
跨阶段局部网络结构
B类：
YOLOv4,室内场景,检测精度,检测速度,速度慢,算法模型,检测数据集,means++,聚类算法,算法优化,先验框,匹配度,特征融合,反向传播,梯度信息,信息冗余,检测能力,深度可分离卷积,卷积模块,卷积层,frame,百分点,目标检测算法
AB值：
0.263663
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。
