基于注意力与多级特征融合的YOLOv5算法

作者：王瑜; 毕玉; 石健彤; 肖洪兵; 孙梅

来源：郑州大学学报(工学版), 2023, 1-9.

DOI：10.13705/j.issn.1671-6833.2023.06.009

• 深度学习
• YOLOv5s
• 目标检测
• 多特征融合
• 注意力机制

针对复杂场景下目标检测与识别精度较低的问题,提出了一种基于注意力与多级特征融合的YOLOv5目标检测与识别算法。该算法在传统YOLOv5s模型的主干网络中引入双空间方向的金字塔切分注意力机制,增强对特征空间和通道信息的学习能力,同时在瓶颈网络中采用多级特征融合结构,对不同分支的特征进行融合,增加特征的丰富性,提升应对复杂场景的能力。此外,利用C3Ghost模块和深度可分离卷积分别替换C3模块和普通卷积,降低网络参数量和复杂度。结果表明:与传统的YOLOv5s算法相比,本文算法在VOC2007+2012数据集的均值平均精度高达85%,在智能零售柜商品识别数据集的均值平均精度高达97.2%,表现出较好的性能。

• 出版日期2023
• 单位北京工商大学