改进型YOLOv4-tiny的轻量级目标检测算法

作者：郭明镇; 汪威; 申红婷; 候红涛; 刘宽; 罗子江^*

来源：计算机工程与应用, 2023, 59(23): 145-153.

• 目标检测
• YOLOv4-tiny
• 嵌入式系统
• CSPRDWConv模块
• Mosaic数据增强

为解决部署在嵌入式设备上的目标检测中特征提取速度较慢、检测实时性不足和算法移植性较差的问题，以YOLOv4-tiny为基准网络，提出一种基于CSPRDWConv(cross stage partial residual depthwise convolution)模块的轻量级网络YOLOv4-tiny-CSPRDWConv，并使用改进的Mosaic数据增强来提升检测模型精度。CSPRDWConv模块中适当缩减算力规模，使得整个模块在保持精度的同时大幅提升推理速度；改进的Mosaic数据增强方法，节省数据增强进程的时间，充分利用每个图像块，并且过滤掉物体过小的目标，使得模型更易于训练。在此基础之上，主干网络的卷积层全部选用小卷积核，只在最后一次压缩特征图时使用5×5的深度可分离卷积，以确保模型低延迟和高准确度的特性；在Neck中引入弱SPP模块，利用局部特征和全局特征来提高目标检测的精度；通过NEON指令对训练后的检测模型进行优化，将卷积层与BN层融合，加快模型的推理进程。改进的YOLOv4-tiny算法在1080Ti的硬件上达到1 308 FPS的实时检测速度，在RK3288开发板上的推理速度约为8 FPS，检测速度约为YOLOv4-tiny基准网络的4倍；mAP达到22.31%，相比于基准网络提升0.61个百分点。实验结果表明，改进的YOLOv4-tiny算法在嵌入式设备上的检测效果更为流畅和高效。

• 出版日期2023
• 单位贵州财经大学