基于注意力与多级特征融合的YOLOv5算法 |
| |
引用本文: | 王瑜,毕玉,石健彤,肖洪兵,孙梅.基于注意力与多级特征融合的YOLOv5算法[J].郑州大学学报(工学版),2024(3):38-45+95. |
| |
作者姓名: | 王瑜 毕玉 石健彤 肖洪兵 孙梅 |
| |
作者单位: | 北京工商大学计算机与人工智能学院 |
| |
基金项目: | 北京市教委-市自然科学基金联合资助项目(KZ202110011015); |
| |
摘 要: | 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,所提算法在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。
|
关 键 词: | 深度学习 YOLOv5s 目标检测 多级特征融合 注意力机制 |
|
|