科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对嵌入式平台资源受限条件下的高准确率、轻量化实时船舶目标检测需求，提出基于改进YOLOv5的船舶目标检测方法。采用GhostNet网络结构，对YOLOv5的backbone主干网络层整体架构进行压缩，减少网络的复杂度和计算量，实现算法的轻量化设计；在C3模块中引入了注意力机制(Squeeze-and-Excitation, SENet),加强对船舶目标的特征感知；使用更加平滑的Mish函数改进YOLOv5的Swish激活函数，使得特征信息可以在更深的网络层流动。实验结论表明，提出的方法将YOLOv5模型参数量压缩27%,部署到嵌入式AI推理平台NVIDIA Jetson TX2可以实现高速检测，检测帧率为22帧/秒，平均检测精度mAP@0.5∶0.95高达97.2%,相比YOLOv5提高了3.5%,表明该算法效果显著，满足实时高精度检测。
- 出版日期2022
- 单位四川大学
