基于注意力与多级特征融合的YOLOv5算法OA北大核心CSTPCD
Object Detection and Recognition Algorithm Based on YOLOv5 and the Fusion of Attention and Multistage Features
针对复杂场景下目标检测与识别精度较低的问题,提出了一种基于注意力与多级特征融合的 YOLOv5 目标检测与识别算法.该算法在传统YOLOv5s模型的主干网络中引入双空间方向的金字塔切分注意力机制,增强对特征空间和通道信息的学习能力,同时在瓶颈网络中采用多级特征融合结构,对不同分支的特征进行融合,增加特征的丰富性,提升应对复杂场景的能力.此外,利用 C3Ghost 模块和深度可分离卷积分别替换 C3 模块和普通卷积,降低网络参数量和复杂度.结果表明…查看全部>>
To tackle the problem of low accuracy of detection and recognition for object in complex scenes,YOLOv5 object detection and recognition algorithm based on attention and multistage feature fusion(AMFF)was proposed in this study.The main ideas included adding the proposed dual space directions pyramid split attention(DSD-PSA)mechanism to the backbone network of the traditional YOLOv5s model to enhance the learning of the feature map space and channel informati…查看全部>>
王瑜;毕玉;石健彤;肖洪兵;孙梅
北京工商大学 计算机与人工智能学院,北京 100048北京工商大学 计算机与人工智能学院,北京 100048北京工商大学 计算机与人工智能学院,北京 100048北京工商大学 计算机与人工智能学院,北京 100048北京工商大学 计算机与人工智能学院,北京 100048
计算机与自动化
深度学习YOLOv5s目标检测多级特征融合注意力机制
deep learningYOLOv5sobject detectionmultistage feature fusionattention mechanism
《郑州大学学报（工学版）》 2024 (3)
38-45,95,9
北京市教委-市自然科学基金联合资助项目(KZ202110011015)
评论