一种改进YOLOv5s的多尺度目标检测算法 |
| |
引用本文: | 茆 震,任玉蒙,陈晓艳,任克营,赵昱炜.一种改进YOLOv5s的多尺度目标检测算法[J].传感技术学报,2023,36(2):267-274. |
| |
作者姓名: | 茆 震 任玉蒙 陈晓艳 任克营 赵昱炜 |
| |
作者单位: | 天津科技大学电子信息与自动化学院;深圳市安软科技股份有限公司 |
| |
基金项目: | 天津市科技支撑重点项目(18YFZCGX00360) |
| |
摘 要: | 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。
|
关 键 词: | 深度学习 YOLOv5s 多尺度目标检测 CBAM注意力机制 CIoU损失函数 |
|
| 点击此处可从《传感技术学报》浏览原始摘要信息 |
|
点击此处可从《传感技术学报》下载全文 |
|