科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对YOLOv5目标检测模型训练时间长、检测精度偏低问题，提出一种目标图像组合算法，考虑必要的图像背景及图像覆盖对目标图像进行分割，设计减少图像失真的重组策略提高单张训练集图像内目标个数，降低模型训练时长。改进先验框生成策略，以绝对差值作为距离函数，对训练集目标边框的长和宽分别进行一维K-means聚类，提高先验框对训练集的适应度。提出多层并列卷积结构，对输入特征经过三层并列卷积后的输出进行融合，增强特征表征能力。以VOC2007和VOC2012训练集和验证集作为训练图像，采用目标图像组合算法，模型训练时间减少30%以上，改进先验框生成策略使先验框对训练集的适应度达到0.735。在VOC2007测试数据集上测试，改进YOLOv5模型平均准确率均值（mAP）由79.1%提升至80.3%。
- 单位
