一种改进YOLOv5的小目标检测算法

作     者：韩镇洋 王先兰 HAN Zhenyang;WANG Xianlan

作者机构：武汉邮电科学研究院湖北武汉430074 武汉邮电科学研究院研究生部湖北武汉430074 

出 版 物：《电子设计工程》 (Electronic Design Engineering)

年 卷 期：2023年第31卷第19期

页      码：64-67,72页

摘      要：随着自动驾驶等人工智能技术的日渐成熟,对更快、更准确的小目标检测算法的需求也在增加。为此,提出一种基于单阶段检测算法YOLOv5的小目标检测改进算法,以提高在检测较小对象方面的性能。为了实现目标,将研究替换原始模型中的部分结构和因素会对检测性能和推理时间产生的影响。为此,提出了一系列不同尺度的模型并将其命名为“YOLOv5-Sobj”,当以50%的IoU检测较小的物体时,这些模型的mAP提升高达5.3%,而代价是与原始YOLOv5对比,推理时间增加了3 ms。实验目的在于研究提高小目标检测效果的相应方法。

主 题 词：深度学习 小目标检测 YOLOv5 计算机视觉 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.14022/j.issn1674-6236.2023.19.014

馆 藏 号：203123962...