科研之友
微信
新浪微博
Facebook
分享链接
摘要
目标检测是机器视觉研究中的重要分支。目前在工业生态中应用广泛的YOLOv5模型经过版本迭代，在预测权重大小以及检测精度方面都有所优化，但模型的处理速度仍然较低，尤其是对于小目标及遮挡目标的检测效果有待改进。该文提出一种基于注意力机制的YOLO v5改进模型。首先，通过引入维度关联注意力机制模块进行特征融合，提升主干网络的特征提取能力，达到改善小目标与遮挡目标的检测效果；其次，采用SIoU损失函数代替CIoU损失函数，作为新的边界框回归参数的损失函数，提高边界框的定位精度以及检测速度。实验结果显示，优化模型的平均精度均值达到87.8%,相比于YOLOv5提高了4.7百分点，在单GPU上模型的检测速度达到83.3 FPS。
- 单位
