基于Transformer技术改进的Yolov5鸟巢识别算法研究

作者：缪苗; 袁峰; 邹明翰; 任圣雄

来源：电工技术, 2023, (21): 58-62.

DOI：10.19768/j.cnki.dgjs.2023.21.014

• 变电站
• 鸟巢识别
• Transformer
• 注意力模块

基于高密度遮挡下鸟巢识别正确率低的问题，提出一种基于Transformer技术改进的Yolov5变电站鸟巢识别算法模型。首先将现有Yolov5算法原本的Yolo预测头(Yolo Prediction Heads)替换为Transformer预测头(Transformer Prediction Heads, TPH),同时，为了提高对小物体的检测能力新增了一个预测头。然后嵌入卷积注意力模块(Convolutional Block Attention Module, CBAM),提取注意区域，以抵制干扰信息，关注有用的目标对象。最后利用CSPDarknet53结构设计思想，提取最终的特征图，经CSP模块将输出的特征图进行快速降维。实验结果表明，对比Yolov5算法，TPH-Yolov5算法的mAP(Meanaverage Precision)值提高了15.7%。