基于YOLOv5改进的多物体检测算法

摘要

随着目标检测任务由单一对象向多目标物体检测的方向发展，由于物体种类之间存在颜色、形状和体积之间的差异，所以多物体目标检测的性能不高.针对这一问题，该文基于YOLOv5算法提出一种改进的多物体目标检测算法和具有多层空洞卷积级联结构的CSPDarknet模型.在CSPDarkNet网络中使用多层空洞卷积级联操作，提升了整体网络模型对全局特征提取的能力和加强网络上下文信息之间的联系.在路径聚合金字塔中使用双三次上采样方法和目标区域像素点周围的相邻像素，计算得到目标区域像素，提高了特征图的分辨率和表达能力.第1组实验的检测精度为96.9%和94.8%,第2组实验的检测精度为96.2%、96.4%和98.1%,这2组实验的检测精度均优于YOLOv3和YOLOv5的检测精度.

关键词

目标检测 / YOLOv5 / 空洞卷积 / 路径聚合金字塔