摘要
本发明提供一种基于YoloV4改进的路面障碍检测方法,将YoloV4做了相关的改进,使得网络变得更加轻便,增强模型的鲁棒性以及处理复杂环境的能力更强,使得网络更加精准的检测出障碍的位置,改善了小目标的检测效果。包括:选用轻量级的MobileNetV3作为主干网络为模型提供特征提取操作;使用线性瓶颈的逆残差结构结合深度可分离卷积和SE注意力机制;改进特征融合网络;在模型中使用一种高效的通道注意模块,该模块避免降维并有效捕获跨通道交互的信息,在全局池化后保持通道层数,使用不降维的局部跨信道交互策略;通过波段矩阵的学习关注不同通道之间的关系,有重点的学习不同通道中的不同信息;提出一种新的DBR模块,该模块由DepthwiseConv2D、BatchNormalization、Relu6组成。