一种基于YOLOv5的二维码实时检测算法

作者：谷文成; 程家文; 孙科学

来源：国外电子测量技术, 2023, 42(05): 35-42.

DOI：10.19652/j.cnki.femt.2304763

• 二维码检测
• 卷积神经网络
• YOLOv5
• 注意力机制
• 加权双向特征金字塔

针对二维码图像检测过程中由于光线强度变化、图像环境复杂和拍摄设备移动等造成的识别精度低的问题，提出一种基于改进YOLOv5的目标检测方法来对二维码进行检测。将高效通道注意力机制(efficient channel attention, ECA)加入YOLOv5的主干网络中，这种注意机制允许局部跨通道特征的相互作用而不需要降维，在节约算力的同时大大提升了网络的特征提取能力，有效地提高了检测精度。此外，将特征融合模块中原有特征金字塔结构替换成加权双向特征金字塔(BiFPN)结构，实现高效的加权特征融合和双向跨尺度连接，加快检测速度。对相应的二维码数据集进行了测试，结果表明，改进的YOLOv5模型平均准确率为97.6%,单张图片检测时间可达0.034 s,相比于YOLOv5模型，平均精度提高了7.4%,达到了在复杂环境下对二维码目标精准与快速检测的要求。

• 单位
  南京邮电大学