科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了解决商标样式众多、背景复杂、尺度变化大等问题，基于YOLOv5框架，提出了一种YOLO-FGE网络模型，以更精确地分辨出商标类别信息。首先，提出一种新的特征增强模块来提升特征层对不同类型商标的适应性，使网络更多关注待检测商标的有用信息。其次，在YOLOv5的C3模块中嵌入全局注意力模块对骨干网络和颈网络进行优化。最后，提出了一种增强空间注意力模块，利用空洞卷积扩大感受野，并结合通道注意力和Transformer模块来提升商标检测精度。在图形类商标数据集上的实验结果表明，该模型将mAP提升至92.3%，比大多数现有方法具有更高的检测精度。
- 单位
