科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对在相似目标检测问题中，以YOLOv5为代表的一步法漏检错检率高、以Faster R-CNN为代表的两步法检测速度慢的问题，提出了一种改进的YOLOv5-ResNet相似目标检测网络模型。该模型以YOLOv5框架为基础，借鉴了两步法的优点。在边框生成方面，改进了特征融合结构，强化了模型的特征提取能力，降低了总体漏检、误检率。在类别预测方面，引入SE(squeeze and excitation)模块，在通道方向上施加注意力机制，降低网络检测时的计算量，并保持了较高的准确率。在斯坦福宠物狗数据集和自制音符卡片数据集上的实验结果表明，本文提出的相似目标快速检测模型不仅在识别精度方面略高于Faster R-CNN,而在速度方面仅次于YOLOv5,检测帧率约为YOLOv5的72%,能够满足相似目标检测的实时需要。
- 出版日期2022
- 单位中国石油化工股份有限公司; 成都理工大学
