-
题名基于YOLOv5改进的轻量级目标检测模型
- 1
-
-
作者
厉振坤
付芸
-
机构
长春理工大学光电工程学院
-
出处
《长春理工大学学报(自然科学版)》
2023年第6期70-76,共7页
-
基金
吉林省重点科技计划项目(20170204015GX,20180201049YY)。
-
文摘
目标检测在计算机视觉中具有广泛的应用,而YOLOv5是目标检测领域中的经典模型。然而,YOLOv5的参数量较大,不适合应用于自动驾驶等领域,因此,基于YOLOv5改进了一个轻量级的目标检测模型。首先,使用ShuffleNetv2替换了原有的CSPDarknet53主干网络,从而降低了网络计算量。其次,使用轻量级增加精度的架构Stem Block。再次,在特征提取网络的末端加入了Coordinate Attention,使其更好地聚焦图像中重要信息。最后,使用二元交叉熵损失函数,突出类别互斥的差异。实验结果表明,相比于YOLOv5方法,改进的模型mAP只降低0.08,fps达到了91。因此改进的模型在大幅度降低参数和计算量的同时,取得了理想的检测精度。
-
关键词
目标检测
轻量化网络
YOLOv5
voc2007数据集
-
Keywords
target detection
lightweight network
YOLOv5
voc2007 data set
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-