针对小目标缺陷的YOLOv5s锚框改进方法研究

针对工业中钢材出现多种小目标缺陷且对其检测精度低、误检率高等问题，文章提出了对单阶段目标检测算法网络5s版本(YOLOv5s)的锚框(Anchor)进行改进优化。由于钢材表面存在许多小目标缺陷，原始的YOLOv5s网络设定的Anchor并不适合对其进行检测，通过K-Means聚类算法和K-Means++聚类算法重新获得匹配小目标检测任务的Anchor。通过实验将其应用在钢材的数据集上，与原始的YOLOv5s网络进行对比，结果表明改进后的YOLOv5s网络检测小目标缺陷时收敛性更好，检测精度更高。