基于YOLOv4的目标检测优化方法

针对YOLOv4目标检测网络结构复杂，参数量以及计算量大等问题，提出了一种轻量化目标检测算法（YOLOv4-GC）。首先，使用ghostnet结构替换原始YOLOv4的主干网络，降低了获取冗余特征图像的计算量，在SPP与PANet模块中使用深度可分离卷积，使模型的计算量和参数量比原始YOLOv4分别降低82%和80%；再结合PyConv多尺度卷积设计出Py-PANet金字塔结构，提高了模型对于图像特征的提取和融合能力。在Pascal VOC数据集上的实验结果表明，在保证模型精度的情况下模型的参数量和计算量相比原始有明显降低。