基于改进YOLOv5的自校准卷积模块目标检测算法

作者：苏海东; 张武; 任铭然; 曹君

来源：汽车实用技术, 2023, 48(14): 43-48.

DOI：10.16638/j.cnki.1671-7988.2023.014.009

• 目标检测
• YOLOv5
• 卷积神经网络
• 自校准卷积

目标检测是当前工业界、学术界的研究热点，随着深度学习以及相关需求的进一步发展，需要更精准的检测模型。YOLO，一种新的对象检测方法，强调的是单阶段的模型。文章通过研究传统目标检测网络模型，提出一种即插即用的自校准卷积模块。文章基于现有模型YOLOv5，将该模块插入YOLOv5主干网络的C3模块中。经过对比实验后发现，两种模型所生成的曲线图、检测图、热力图均表明，该卷积模块能够有效提升YOLOv5原模型的目标检测效果。