针对实验室设备的检测识别问题，提出一种改进YOLOv4算法。针对K-means聚类算法在尺度分布不均匀场景下的局限性，提出一种将数据集标注框按大小划分区间，分别聚类的IK-means++算法；在主干网络中引入通道注意力模块，提出一种阶梯状特征融合网格加强特征融合能力；以计算机实验室为例构建数据集进行训练。实验结果表明，IK-means++算法聚类效果得到有效提升；改进后的YOLOv4算法检测精度更高，模型复杂度更低，速度更快。
科研之友
微信
新浪微博
Facebook
分享链接
