基于改进YOLOv5算法的图像小目标检测方法研究

李轩; 何诗禹

doi:10.12184/wspcyycx2WSP2516-415513.20240810

PDF
导出
分享
收藏
专辑

8卷第10期

浏览量: 0 Downloads: 5

基于改进YOLOv5算法的图像小目标检测方法研究
基于改进YOLOv5算法的图像小目标检测方法研究
沈阳航空航天大学，辽宁沈阳 110000
2024年8卷第10期页码：84-89
纸质出版日期： 2024-10-30 ，
DOI：10.12184/wspcyycx2WSP2516-415513.20240810
Accepted：

Scan QR Code

李轩, 何诗禹. 基于改进YOLOv5算法的图像小目标检测方法研究[J]. 创意与创新, 2024,8(10):84-89.

李轩, 何诗禹. 基于改进YOLOv5算法的图像小目标检测方法研究. [J]. Creativity and innovation, 2024, 8(10): 84-89.
李轩, 何诗禹. 基于改进YOLOv5算法的图像小目标检测方法研究[J]. 创意与创新, 2024,8(10):84-89. DOI： 10.12184/wspcyycx2WSP2516-415513.20240810.

李轩, 何诗禹. 基于改进YOLOv5算法的图像小目标检测方法研究. [J]. Creativity and innovation, 2024, 8(10): 84-89. DOI： 10.12184/wspcyycx2WSP2516-415513.20240810.

摘要

遥感、航拍等图像小目标占图像幅比低，检测识别要求高，现有图像检测算法检测准确度难以保证。为此，本文提出一种基于改进YOLOv5网络的图像小目标检测算法，通过引入基于CA注意力机制（Coordinate Attention，CA），增强了算法的小目标检测能力，克服了原始网络二维全局池化引起的信息丢失的问题，通过引入双向特征金字塔网络（Bidirectional Feature Pyramid Network，BiFPN），实现了多尺度输入条件下基于不同输入特征重要度的差异化融合。试验结果显示，引入CA注意力机制、改进FPN网络后，网络mAP

指标提升9.03%，AP

指标提升9.6%，F1-score提升10.19%，检测性能明显优于原始YOLOv5网络。

Abstract

关键词

YOLOv5网络小目标检测CA注意力机制改进FPN网络多尺度特征融合

Keywords

references

薛圣峰.改进YOLOv5s的无人机图像小目标检测算法[D].荆州:长江大学,2024.

杨兴志.改进YOLOv5s算法的无人机小目标检测方法[J].科学技术创新,2024(11):80-83.

陶健.基于空洞卷积与空间注意力的遥感影像小目标检测方法[J].测绘与空间地理信息,2024,47(10):104-107,111.

周录庆,贾可,冯翱,等.融合自注意力机制改进ResNet的图像分类方法[J].软件导刊,2024,23(10):173-178.

占钟鸣,李庆武,余大兵,等.基于边缘及多尺度特征融合的显著性目标检测方法[J].光学技术,2024,50(5):606-612.

程凯伦,胡晓兵,陈海军,等.基于改进YOLOv5s的遥感图像目标检测方法[J].激光与光电子学进展,2024,61(18):285-291.

文章被引用时，请邮件提醒。

Submit

No data

Related Author

No data

Related Institution

No data

⁰