基于改进YOLOv5的目标检测算法研究OA北大核心CSTPCD
Research on Object Detection Algorithm Based on Improved YOLOv5
YOLOv5是目前单阶段目标检测性能较好的算法,但对目标边界回归的精确度不高,难以适用对预测框交并比要求较高的场景.基于YOLOv5算法,提出一种对硬件要求低、模型收敛速度快、目标框准确率高的新模型YOLO-G.改进特征金字塔结构(FPN),采用跨层级联的方式融合更多的特征,一定程度上防止了浅层语义信息的丢失,同时加深金字塔深度,对应增加检测层,使各种锚框的铺设间隔更加合理;其次把并行模式的注意力机制融入到网络结构中,赋予空间注意力模块和通道注意…查看全部>>
邱天衡;王玲;王鹏;白燕娥
长春理工大学 计算机科学技术学院,长春 130022长春理工大学 计算机科学技术学院,长春 130022长春理工大学 计算机科学技术学院,长春 130022长春理工大学 计算机科学技术学院,长春 130022
信息技术与安全科学
YOLOv5算法特征金字塔(FPN)注意力机制目标检测
《计算机工程与应用》 2022 (13)
63-73,11
中央引导地方科技发展基金吉林省基础研究专项(202002038JC).
评论