公开(公告)号：CN114818872A

公开(公告)日：2022-07-29

申请号：CN202210330773.0

申请日：2022-03-30

Applicant: 南京信息职业技术学院

Inventor： 杨永鹏 ,  郑艺欣 ,  杨真真 ,  邵静 ,  林畅 ,  张宇卓

IPC: G06K9/62 ,  G06N3/04 ,  G06V10/762 ,  G06V10/82

Abstract: 本发明涉及一种基于改进YOLOv4的图像目标检测方法，基于现有YOLOv4路径增强网络进行改进，通过增加检测层的设计，加强浅层特征融合的效果，并结合聚类方法下，所获图像集对应的各先验框尺寸，实现各检测层的高精度特征提取，并且引入多尺度池化模块并行结构、结合卷积处理与插值处理的金字塔池化模块，进一步特征层的检测精度，进而有效提高对图片目标物检测的准确率；在实际的仿真实验当中，本发明设计方法表现出了优秀的目标检测准确率，在PASCAL VOC2007和VOC2012两个数据集上的mAP分别提高了2.03%和1.94%。

公开(公告)号：CN114818872B

公开(公告)日：2024-12-06

申请号：CN202210330773.0

申请日：2022-03-30

Applicant: 南京信息职业技术学院

Inventor： 杨永鹏 ,  郑艺欣 ,  杨真真 ,  邵静 ,  林畅 ,  张宇卓

IPC: G06V10/762 ,  G06V10/25 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明涉及一种基于改进YOLOv4的图像目标检测方法，基于现有YOLOv4路径增强网络进行改进，通过增加检测层的设计，加强浅层特征融合的效果，并结合聚类方法下，所获图像集对应的各先验框尺寸，实现各检测层的高精度特征提取，并且引入多尺度池化模块并行结构、结合卷积处理与插值处理的金字塔池化模块，进一步特征层的检测精度，进而有效提高对图片目标物检测的准确率；在实际的仿真实验当中，本发明设计方法表现出了优秀的目标检测准确率，在PASCAL VOC2007和VOC2012两个数据集上的mAP分别提高了2.03%和1.94%。