嵌入注意力机制的轻量级雾炮车检测网络OA北大核心CSTPCD

针对我国发生多起雾炮车违规喷雾空气自动监测站事件,雾炮车数据集空白,雾炮车所喷的雾的形状各异难以标注,监测实时要求高,准确率高等问题。本研究建立了雾炮车喷雾数据集,设计了一种雾的标注方式,并在YOLOv5网络基础上,提出了一个嵌入注意力机制的轻量级雾炮车检测网络。首先,利用K-means++计算出更适合任务的锚框;其次,嵌入注意力机制(CA)模块,用于提升网络特征提取能力;然后将Neck处Conv修改GSConv,并将C3模块更换为GSC3模块,以降低模型参数;最后,将NMS替换为Soft NMS,用于减少漏检增强检测稳定性。实验结果表明,所提标注方式较其他标注方式提升了总体mAP13%;所提网络的参数量仅为YOLOv5s的83%并达到67.8%的mAP。与主流目标检测网络相比,所提网络在保持精度提升的同时降低了参数量,并保持了检测速度。