基于改进YOLOv5s的海下垃圾检测算法

摘要：

为了提升海下垃圾检测精度,降低漏检频率,提出了一种基于改进YOLOv5s的检测算法.该算法添加了ECA模块来关注感兴趣区域,构造了四级多尺度特征融合使提取的特征图信息更加丰富,引用损失函数使得边框回归更加合适与准确.改进的YOLOv5s算法在TrashCan数据集上的mAP由原来的87.3%提高到92.1%,具有较高的精度.

关键词：海下垃圾、深度学习、小目标、多尺度融合、EIoU

所属期刊栏目：40

分类号：TP391(计算技术、计算机技术)

资助基金：安徽省自然科学基金面上项目;安徽省重点研究与开发计划项目

在线出版日期：2024-02-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：47-51