基于改进YOLOv5的鱼群小目标检测优化算法 |
| |
引用本文: | 汪沛洁,谌雨章,王诗琦,周雯.基于改进YOLOv5的鱼群小目标检测优化算法[J].湖北大学学报(自然科学版),2024(1):14-24. |
| |
作者姓名: | 汪沛洁 谌雨章 王诗琦 周雯 |
| |
作者单位: | 湖北大学计算机与信息工程学院 |
| |
基金项目: | 教育部产学合作协同育人项目(202101142041); |
| |
摘 要: | 随着深度学习技术的发展,水下图像检测近年来受到广泛的关注,为了克服在复杂水下环境下传统小鱼群的误检、漏检和识别准确率低等问题,提出一种改进YOLOv5的目标检测方法(INV-YOLOv5)。该方法包括将YOLOv5m中的Focus模块替换为卷积模块,提高网络精度;在主干网络(Backbone)中添加多头自注意力机制,增大网络特征提取视野;最后,在网络中引入了内卷算子和加权的特征融合,降低网络的参数量,提高检测精度。在实验阶段,使用Labeled Fishes in the Wild数据集和WildFish数据集验证,该方法的平均精度(mAP)分别为81.7%和83.6%,与YOLOv5m网络相比分别提升了6%和14.5%,不仅拥有较高的识别率并且更加轻量化,而且模型大小与YOLOv5m网络相比减少了6 M(Mega)左右,验证了所提出的改进方法具有较好的效果。
|
关 键 词: | 深度学习 YOLOv5m 多头自注意力 内卷算子 鱼群检测 |
|
|