科研之友
微信
新浪微博
Facebook
分享链接
摘要
目标检测算法广泛应用于无人驾驶、机器人视觉和工业自动化等领域，具有重要研究价值。在众多目标检测算法中，YOLOv5s具有参数规模小和检测速度快的优点，但存在检测精度不高的问题。针对YOLOv5s标准卷积模块特征提取能力不强且存在特征冗余的问题，提出2个基于多尺度特征提取的卷积模块。首先提出多感受野卷积模块，通过多个尺寸的卷积核获取不同粒度的语义信息，以提高模型特征提取能力；然后提出特征图卷积模块，利用少量标准卷积核与分组卷积减少特征通道间的相互制约，提高特征图的多样性；最后使用多感受野卷积模块和特征图卷积模块替换YOLOv5s的部分标准卷积模块，得到本文的改进算法。在PASCAL VOC数据集上的实验结果表明，改进算法在提高了检测精度的同时还保证了YOLOv5s的实时检测能力，mAP＿0.5和mAP＿0.5:0.95分别提高了2.4%和4.9%,证明了改进算法的有效性；在DOTA数据集上进一步验证了改进算法在不同环境下具有良好的泛化能力。
- 出版日期2023
- 单位通信与信息工程学院; 重庆邮电大学
