一种改进YOLOv5s的多尺度目标检测算法

针对多尺度目标检测准确率偏低的问题，提出了一种基于YOLOv5s改进的多尺度目标检测算法。在YOLOv5s主干网络与Neck网络之间融合CBAM模块，增强模型对多尺度目标重要特征信息的提取能力;同时，在模型的Head部分增加多尺度目标检测结构，提高不同尺度目标检测精度;训练时采用CIoU替代GIoU损失函数，以提高模型收敛能力，实现高精度目标定位。数据集来源于实际场景中采集并增强的4万余张图像。实验结果表明，改进后的模型对行人、车辆和人脸的多尺度目标检测平均精度达92.1%，相比未改进YOLOv5s算法提升了3.4%。模型的收敛性好，对密集场景的目标，小尺度目标检测准确度更加突出。