基于轻量化的神经网络火焰检测算法研究OACSTPCD
为了改善复杂背景情况下火焰检测算法检测效果较差、对小目标不敏感和计算量过大等缺陷,该文设计出一种轻量化的目标检测算法——GS-YOLOv5s。研究将鬼影混洗卷积瓶颈模块(GS bottleneck)应用于特征提取网络,提出跨阶段特征提取网络——GS-C2,通过对局部区域进行特征分流,使模型能够更专注地学习目标周围的局部特征,从而提高复杂背景下的目标检测精度;然后在模型的颈部网络中使用轻量化卷积GSConv,在实现模型轻量化的同时提高检测精度;最后…查看全部>>
陈义鑫;王婷;杨万扣
南京林业大学信息科学技术学院,江苏南京210037南京林业大学信息科学技术学院,江苏南京210037东南大学自动化学院,江苏南京211189
计算机与自动化
目标检测GSConv跨阶段局部网络注意力机制SK模块
《计算机技术与发展》 2024 (11)
P.200-206,7
国家自然科学基金(62276061,62006041)江苏省研究生科研与实践创新计划项目(SJCX21_0338)。
评论