基于改进YOLOv5的小目标检测方法

摘要：

为了解决传统YOLOv5目标检测算法在检测小目标时存在检测精度不高和漏检的问题,提出一种基于改进YOLOv5的小目标检测方法.首先,为了使Anchor Box能更好地适应小目标,在K-means聚类过程中,使用IOU(Interp Over Union)替换原始使用的欧几里得距离公式,重新定义Anchor Box和Ground Truth之间的距离;其次,在空间金字塔池化(Spatial Pyarmid Pooling,SPP)上增加一个池化核大小为3×3的最大池化,提高对小目标的检测精度;最后,制作一个包含多种小型目标的数据集以验证算法性能.实验结果表明:改进YOLOv5算法的验证平均精度(mean Average Pre?cision,mAP)达到76.92％,与经典YOLOv5算法相比提升了3.56个百分点,检测效果有所提升且能检测出漏检目标.

关键词：小目标检测、YOLOv5、K-means聚类、空间金字塔池化、平均精度

分类号：TP311(计算技术、计算机技术)

资助基金：四川省应用基础研究项目;四川轻化工大学基础研究项目

在线出版日期：2023-06-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：100-105