基于改进YOLOv5的海珍品目标检测算法

摘要：

为掌握水下海珍品分布情况,本文结合YOLOv5s算法和注意力机制,得到一种新的轻量化目标检测模型——SE-YOLO模型.实验结果显示,相较于原YOLOv5s模型,该模型的准确率提升了1.1％、召回率提升了0.7％,并且在设计对比实验的过程中,发现传统图像增强算法并不具备提升目标检测准确度的可能.由此可见,本文提出的改进模型符合轻量化模型标准并兼具检测准确度高的优点,能够很好地完成对水下海珍品资源评估的任务.

关键词：深度学习;海珍品检测;YOLOv5

所属期刊栏目：5

分类号：TP391.4(计算技术、计算机技术)

在线出版日期：2022-01-18（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：80-85