系统工程与电子技术

作者：宋存利, 柴伟琴, 张雪松

单位：大连交通大学软件学院, 辽宁 大连 116028

关键词：YOLO v5,小目标检测,上下文增强模块,可变形卷积

基金：国家自然科学基金(62276042);辽宁省教育厅项目(LJKZ0486)

为解决交通道路小目标检测难度大、精度低, 容易出现错检漏检的问题, 提出一种基于YOLO v5 (you only look once v5)算法的多尺度特征融合目标检测改进算法。首先, 增加小目标检测头用于适应小目标尺寸, 缓解漏检情况。然后, 引入可变形卷积网络v2 (deformable convolutional networks V2, DCN V2)提高模型对运动中小目标的学习能力; 同时, 增加上下文增强模块, 提升对远距离小目标的识别能力。最后, 在替换损失函数、提高边界框定位精度的同时, 使用空间金字塔池化和上下文空间金字塔卷积分组模块, 提高网络的感受野和特征表达能力。实验结果表明, 所提算法在KITTI数据集小目标类别上平均识别精度达到了95.2%, 相较于原始YOLO v5, 算法总体平均识别精度提升了2.7%, 对小目标的检测效果更佳, 平均识别精度提升了3.1%, 证明所提算法在道路小目标检测方面的有效性。

来源：2024年第10期

《系统工程与电子技术》期刊编辑部

查看系统工程与电子技术杂志2024年第10期