周璇老师的论文《Human Detection Algorithm Based on Improved YOLOv4》被《Information Technology AND Control》（SCI四区）录用。
针对人体行为数据集的背景复杂、姿态多样、部分遮挡、大小不一等特点，本文首先采用了YOLO v3和YOLO v4算法对视频中的人体目标进行检测，并在UTI、UCF101、HMDB51和CASIA数据集上对两者的检测效果进行定性的分析和比较，着重讨论了YOLO v4对于YOLO v3的人体检测不全、漏检和重复检测问题的创新之处。然后，针对YOLO v4在特定视频帧中存在人体检测不全的问题，本文对YOLO v4的CBM模块、CSP和SPP模块进行了改进。具体而言，改进型YOLO v4在CBM模块中引入了Ghost模块，旨在进一步减少网络的参数量；在CSP模块中添加了横向连接，用于提高网络的特征表示能力；此外，还将原始SPP模块中的MaxPool替换为SoftPool，在避免特征损失的同时，也为网络提供了一定的正则化效果，从而提升网络的泛化能力。最后，本文定量地比较了改进前后的YOLO v4算法在特定数据集上的检测效果。实验结果表明，改进型YOLO v4能有效解决人体检测任务中目标复杂的问题，且进一步提高了检测速度。