声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：43-1258/TP
国际刊号：1007-130X
发布日期:
作者：李校林, 王复港, 张鹏飞, 张琳玉,
单位：1.重庆邮电大学通信与信息工程学院，重庆 400065；2.重庆邮电大学通信新技术应用研究中心，重庆 400065
关键词：目标检测,多尺度特征,感受野,特征冗余,
目标检测算法广泛应用于无人驾驶、机器人视觉和工业自动化等领域，具有重要研究价值。在众多目标检测算法中，YOLOv5s具有参数规模小和检测速度快的优点，但存在检测精度不高的问题。针对YOLOv5s标准卷积模块特征提取能力不强且存在特征冗余的问题，提出2个基于多尺度特征提取的卷积模块。首先提出多感受野卷积模块，通过多个尺寸的卷积核获取不同粒度的语义信息，以提高模型特征提取能力；然后提出特征图卷积模块，利用少量标准卷积核与分组卷积减少特征通道间的相互制约，提高特征图的多样性；最后使用多感受野卷积模块和特征图卷积模块替换YOLOv5s的部分标准卷积模块，得到本文的改进算法。在PASCAL VOC数据集上的实验结果表明，改进算法在提高了检测精度的同时还保证了YOLOv5s的实时检测能力，mAP_0.5和mAP_0.5:0.95分别提高了2.4%和4.9%，证明了改进算法的有效性;在DOTA数据集上进一步验证了改进算法在不同环境下具有良好的泛化能力。
来源：2023年第6期
《计算机工程与科学》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。