科研之友
微信
新浪微博
Facebook
分享链接
摘要
虽然现在的深度学习技术在大中目标检测领域取得了惊人的进步，但是由于小目标的尺寸有限以及卷积网络的局限性，导致小目标检测仍然是一个具有挑战性的问题。通过改进YOLOv5算法，提出了一种针对小目标的YOLO-S模型。在原来三层输出层的基础上，利用级联网络，添加一个专门针对于小目标检测的输出层。为了补充上下文信息以及抑制多尺度特征融合冲突，设计了一种新的上下文信息提取模块CFM(Context Feature Module)以及基于通道和空间特征细化的模块FSM(feature specify module)。上采样方式由原来的最邻近插值替换为新设计的Transpose模块，可以将信息最大化恢复。数据集采用专门针对于小目标的VisDrone2019来验证算法的有效性。实验结果表明，YOLO-S比YOLOv5的mAP@0.5提高了6.9个百分点。
- 单位
