基于YOLOv5s的轻量化朱鹮检测算法研究 |
| |
引用本文: | 张凡,张鹏超,王磊,曹锐虎,王晓鹏,黄俊霖.基于YOLOv5s的轻量化朱鹮检测算法研究[J].西安交通大学学报,2023(1):110-121. |
| |
作者姓名: | 张凡 张鹏超 王磊 曹锐虎 王晓鹏 黄俊霖 |
| |
作者单位: | 1. 陕西理工大学机械工程学院;2. 陕西省工业自动化重点实验室 |
| |
基金项目: | 国家自然科学基金资助项目(62176146); |
| |
摘 要: | 针对当前朱鹮检测算法模型参数较多、计算量大的问题,本文设计研究了一种基于YOLOv5s的高性能轻量化网络模型。首先,结合EfficientNet网络中的MBConvBlock对原主干网络进行重构,大幅降低网络参数;同时在浅层网络中采用Stem模块,提升浅层网络的特征提取能力;然后改进卷积注意力模块(CBAM),即将其中的通道注意力替换为高效通道注意力模块(ECA),避免了降维操作,有效提取了邻近通道间的信息,且大幅降低了通道注意力的参数数量,并将其嵌入特征融合网络路径聚合网络(PANet)中,达到了引入微小参数数量而有效提升网络性能的目的,并将其命名为高效卷积注意力模块(ECBAM)。最后,在自建朱鹮数据集和公共数据集PASCAL VOC、COCO上进行实验,实验结果表明,与YOLOv5s算法相比,本文算法模型参数数量降低了52.37%,计算次数降低了54.55%,在自建朱鹮数据集上PmAP@0.5:0.95仅降低了约2个百分点,达到0.666,在公共数据集PASCAL VOC上PmAP@0.5达到0.792,在公共数据集COCO上P
|
关 键 词: | 目标检测 YOLOv5s 轻量化 注意力 |
|
|