改进YOLOv5的小目标检测算法

doi:10.3778/j.issn.1002-8331.2302-0157

摘要/摘要

摘要：虽然现在的深度学习技术在大中目标检测领域取得了惊人的进步，但是由于小目标的尺寸有限以及卷积网络的局限性，导致小目标检测仍然是一个具有挑战性的问题。通过改进YOLOv5公司算法，提出了一种针对小目标的YOLO-S公司模型。在原来三层输出层的基础上，利用级联网络，添加一个专门针对于小目标检测的输出层。为了补充上下文信息以及抑制多尺度特征融合冲突，设计了一种新的上下文信息提取模块上下文功能模块以及基于通道和空间特征细化的模块FSM（功能指定模块）上采样方式由原来的最邻近插值替换为新设计的转座模块，可以将信息最大化恢复。数据集采用专门针对于小目标的VisDrone2019年来验证算法的有效性。实验结果表明，YOLO-S、YOLOv50.5摄氏度时为毫安培6.9个百分点。

关键词: YOLOv5，小目标检测, 级联网络, 上下文信息, 特征细化

摘要：虽然当前的深度学习技术在大中型目标检测领域取得了令人瞩目的进展，但由于小目标的尺寸有限以及卷积网络的局限性，小目标检测仍然是一个具有挑战性的问题。基于You Only Look Once version 5（以下简称YOLOv5）算法，本研究提出了一种对小对象非常友好的YOLO-S模型。首先，在仅有三层的原始输出层的基础上，利用级联网络增加一个用于小目标检测的特殊输出层。其次，为了补充上下文信息，抑制多尺度特征融合冲突，设计了一种新的补充上下文信息模块CFM和通道与空间特征细化模块FSM。最后，用原始线性插值的反褶积代替上采样方法。数据集使用专为小对象设计的VisDrone2019验证算法的有效性。实验结果表明0.5毫安培YOLO-S比YOLOv5高6.9个百分点。

关键词： You Only Look Once版本5（YOLOv5），小物体，级联网络，上下文信息，特征细化

俞军, 贾银山. 改进YOLOv5公司的小目标检测算法[J] ●●●●。计算机工程与应用, 2023, 59(12): 201-207.

于军，贾银山。改进的YOLOv5小目标检测算法[J]。计算机工程与应用，2023,59（12）：201-207。

参考文献

[1] REN S Q，HE K M，GIRSHICK R，等.快速R-CNN：面向区域提议网络的实时目标检测[J]。IEEE模式分析和机器智能汇刊，2017,39（6）：1137-1149。
[2] 刘伟，安圭洛夫D，埃尔汉·D，等。SSD：单次多盒探测器[C]//欧洲计算机视觉会议（ECCV）。阿姆斯特丹：斯普林格，2016:21-37。
[3] REDMON J，DIVVALA S，GIRSHICK R，et al.你只看一次：统一的实时目标检测[C]//IEEE计算机视觉和模式识别会议，2016。
[4] REDMON J，FARHADI A.YOLOv3：增量改进[EB/OL]。（2018-04-08）【2023-02-05】网址：http://arxiv.org/pdf/1804.02767.pdf。
[5] 林天勇，道拉尔·P，吉尔希克·R，等.用于目标检测的特征金字塔网络[C]//IEEE计算机视觉与模式识别会议，2017:936-944。
[6] 刘S，齐磊，秦海峰，等.基于路径聚合网络的实例分割[C]//IEEE计算机视觉与模式识别会议，2018:8759-8768。
[7] LIM J S，ASTRID M，YOON H J，等.基于上下文和注意力的小目标检测[C]//2021信息与通信人工智能国际会议，2021:181-186。
[8] YANG C，HUANG Z，WANG N.Querydet:级联稀疏查询加速高分辨率小目标检测[C]//IEEE/CVF计算机视觉与模式识别会议论文集，2022:13668-13677。
[9] 许C，王杰，杨伟，等。RFLA:基于高斯感受野的微小物体检测标签分配[C]//第17届欧洲计算机视觉会议，以色列特拉维夫，2022年10月23日至27日。查姆：施普林格，2022:526-543。
[10] 陈永科，张培泽，李志明，等.目标检测的动态尺度训练[EB/OL]。（2021-05-14）[2023-02-05]。https://arxiv.org/pdf/2004.12432.pdf。
[11] 葛泽坤，陶发展，付主木，等.改进多头注意力机制的车道检测方法[J/OL]。计算机工程与应用：1-10[2023-02-07]。http://kns.cnki.net/kcms/detail/11.2127.TP.20221213.0956。
001.html。
GE Z K，TAO F Z，FU Z M，等.基于改进多头自聚焦的车道检测方法[J/OL]。计算机工程与应用：1-10[2023-02-07]。http://kns.cnki.net/kcms/detail/11.2127.TP.20221213.0956.001.html。
[12] 江波，屈若锟，李彦冬，等.基于深度学习的无人机航拍目标检测研究综述[J] 《报告》，2021,42（4）：131-145。
姜波，QU R K，LI Y D，等。基于深度学习的无人机图像目标检测：综述[J]。《航空航天学报》，2021,42（4）：131-145。
[13] 袁毅，熊姿，王庆.VSSA-NET：用于交通标志检测的垂直空间序列注意网络[J]。IEEE图像处理汇刊，2019,28（7）：3423-3434。
[14] HOCHREITER S，SCHMIDHUBER J.长短期记忆[J]。神经计算，1997,9（8）：1735-1780。
[15] PARK D，RAMANAN D，FOWLKES C.目标检测的多分辨率模型[C]//第11届欧洲计算机视觉会议，希腊克里特岛赫拉克利翁，2010年9月5日至11日。柏林-海德堡：施普林格，2010:241-254。
[16] 关磊，吴毅，赵杰。扫描：用于精确小目标检测的语义上下文感知网络[J]。国际计算智能系统杂志，2018,11（1）：951-961。
[17] CUI L，MA R，LV P，等.多尺度反褶积小目标单点探测器[J].arXiv:1805.070092018。
[18] 胡国X，杨忠，胡磊，等.多尺度特征的小目标检测[J]。国际数字多媒体广播杂志，2018:1-10。
[19] 李小军，邓月明，陈正浩，等.改进YOLOv5公司的机场跑道异物目标检测算法[J] ●●●●。计算机工程与应用，2023，59（2）：202-211.
李晓杰，邓永明，陈振华，等.改进的YOLOv5机场跑道异物碎片检测算法[J]。计算机工程与应用，2023,59（2）：202-211。
[20] YOLOv3和YCrCb的人脸口罩检测与规范佩戴识别[J] ●●●●。计算机工程与软件，2020，41（7）：164-169.
肖俊杰。基于YOLOv3和YCrCb的蒙面人脸检测和标准佩戴口罩识别[J]。计算机工程与软件，2020,41（7）：164-169。
[21]戴毅，吉塞克·F，OEHMCKE S，等.关注特征融合[C]//IEEE/CVF计算机视觉应用冬季会议，2021:3560-3569。
[22]ZHANG S，WEN L，BIAN X，et al.用于目标检测的单点细化神经网络[C]//IEEE计算机视觉与模式识别会议论文集，2018:4203-4212。
[23]ZHU Y，ZHAO C，WANG J，et al.CoupleNet:将全局结构与局部部分耦合用于目标检测[C]//2017 IEEE国际计算机视觉会议，2017:4146-4154。
[24]朱旭，苏伟，卢力，等.可变形差分：端到端目标检测的可变形变换器[J].arXiv:2010.041592020。
[25]ZHU X，LYU S，WANG X，et al.TPH-YOLOv5:基于变压器预测头的改进YOLOv 5，用于无人机捕获场景中的目标检测[C]//IEEE/CVF国际计算机视觉会议论文集，2021:2778-2788。
[26]LIN T Y，GOYAL P，GIRSHICK R，et al.稠密目标检测的焦距损失[C]//IEEE国际计算机视觉会议论文集，2017:2980-2988。
[27]赵伟，黄赫，李德，等.基于传递学习和改进级联RCNN的指针缺陷检测[J]。传感器，2020，20（17）：4939。
[28]马S，宋毅，程恩，等.基于深度学习的结构光检测算法[C]//IOP会议系列：地球与环境科学，2019。
[29]SHI Z.目标检测算法：比较[C]//2022 IEEE第四届民航安全与信息技术国际会议（ICCASIT），2022:861-865。

改进YOLOv5公司的小目标检测算法

改进的YOLOv5小目标检测算法

PDF格式

可视化

摘要/摘要

引用本文

使用本文

参考文献

相关文章15

编辑推荐

韵律学

[1]	李坤亚, 欧鸥, 刘广滨, 于泽峰, 李林.改进YOLOv5公司的遥感图像目标检测算法[J] ●●●●。计算机工程与应用, 2023, 59(9): 207-214.
[2]	黄磊, 杨媛, 杨成煜, 杨威, 李耀华.FS-YOLOv5：轻量化红外目标检测方法[J] ●●●●。计算机工程与应用, 2023, 59(9): 215-224.
[3]	张朝阳, 张上, 王恒涛, 冉秀康.多尺度下遥感小目标多头注意力检测[J] ●●●●。计算机工程与应用, 2023, 59(8): 227-238.
[4]	刘翀豪, 潘理虎, 杨帆, 张睿.改进YOLOv5公司的轻量化口罩检测算法[J] ●●●●。计算机工程与应用, 2023, 59(7): 232-241.
[5]	张红民, 庄旭, 郑敬添, 房晓冰.优化YOLO公司网络的人体异常行为检测方法[J] ●●●●。计算机工程与应用, 2023, 59(7): 242-249.
[6]	郑远攀, 许博阳, 王振宇.改进的约洛夫[J] ●●●●。计算机工程与应用, 2023, 59(7): 214-221.
[7]	吕晓玲, 杨胜月, 张明路, 梁明, 王俊超.改进YOLOv5公司网络的鱼眼图像目标检测算法[J] ●●●●。计算机工程与应用, 2023, 59(6): 241-250.
[8]	董光辉, 陈星宇.YOLOv5公司定位多特征融合的车标识别[J] ●●●●。计算机工程与应用, 2023, 59(5): 176-193.
[9]	王建波, 武友新.改进YOLOv4-微型的安全帽佩戴检测算法[J] ●●●●。计算机工程与应用, 2023, 59(4): 183-190.
[10]	李昂, 孙士杰, 张朝阳, 冯明涛, 吴成中, 李旺.改进YOLOv5系列的轨道障碍物检测模型轻量化研究[J] ●●●●。计算机工程与应用, 2023, 59(4): 197-207.
[11]	闫颢月, 王伟, 田泽.复杂环境下基于改进YOLOv5公司的手势识别方法[J] ●●●●。计算机工程与应用, 2023, 59(4): 224-234.
[12]	胡均平, 王鸿树, 戴小标, 高小林.改进YOLOv5公司的小目标交通标志实时检测算法[J] ●●●●。计算机工程与应用, 2023, 59(2): 185-193.
[13]	宋晓凤, 吴云军, 刘冰冰, 张青林.改进YOLOv5系列算法的安全帽佩戴检测[J] ●●●●。计算机工程与应用, 2023, 59(2): 194-201.
[14]	李小军, 邓月明, 陈正浩, 何鑫.改进YOLOv5公司的机场跑道异物目标检测算法[J] ●●●●。计算机工程与应用, 2023, 59(2): 202-211.
[15]	张晋瑞, 宋焕生, 孙士杰, 梁浩翔, 张朝阳, 王宇, 刘莅辰.改进YOLOv5公司的隧道火灾帧差检测网络与应用方法[J] ●●●●。计算机工程与应用, 2023, 59(2): 222-231.