基于轻量级网络的小目标检测算法 |
| |
引用本文: | 关玉明,王肖霞,杨风暴,吉琳娜,丁春山.基于轻量级网络的小目标检测算法[J].现代电子技术,2024(1):44-50. |
| |
作者姓名: | 关玉明 王肖霞 杨风暴 吉琳娜 丁春山 |
| |
作者单位: | 1. 中北大学信息与通信工程学院;2. 江苏自动化研究所 |
| |
基金项目: | 国家自然科学基金项目(61972363); |
| |
摘 要: | 针对YOLOv5算法在检测小目标时存在准确率较低的情况,提出旨在提高小目标检测准确率的轻量级网络KOS-YOLOv5算法。首先采用K-means++聚类技术选择一组合适的锚框尺寸作为模型的先验,对小目标实现更精确的锚框尺寸,使模型能适应不同大小的目标;其次利用简化正负样本分配策略(SimOTA)进行动态样本匹配,更好地优化损失函数;最后将空间上下文金字塔(SCP)模块集成到算法检测层中,促使骨干网络更加关注小目标的特征信息,用以增加目标特征提取能力,提高目标的检测准确率。结果表明,改进后的KOS-YOLOv5算法与传统的YOLOv5模型进行比较,算法在检测精确度(P)方面提高了4%,召回率(R)方面提高了2.4%,平均检测精度(mAP)提高了3.1%,损失函数值(Loss)降低了5%,最终检测精度为95.38%。
|
关 键 词: | 小目标检测 轻量级网络 特征提取 优化损失函数 YOLOv5 K-means++ |
|
|