改进的YOLOv5-ResNet相似目标检测方法

摘要：

针对在相似目标检测问题中,以YOLOv5为代表的一步法漏检错检率高、以Faster R-CNN为代表的两步法检测速度慢的问题,提出了一种改进的YOLOv5-ResNet相似目标检测网络模型.该模型以YOLOv5框架为基础,借鉴了两步法的优点.在边框生成方面,改进了特征融合结构,强化了模型的特征提取能力,降低了总体漏检、误检率.在类别预测方面,引入SE(squeeze and excitation)模块,在通道方向上施加注意力机制,降低网络检测时的计算量,并保持了较高的准确率.在斯坦福宠物狗数据集和自制音符卡片数据集上的实验结果表明,本文提出的相似目标快速检测模型不仅在识别精度方面略高于Faster R-CNN,而在速度方面仅次于YOLOv5,检测帧率约为YOLOv5的72％,能够满足相似目标检测的实时需要.

关键词：目标检测、相似目标、YOLOv5-ResNet

所属期刊栏目：22

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金;中石化地球物理实验室基金

在线出版日期：2022-12-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：13406-13416