基于改进YOLOv5l的轻量化水面目标检测模型

摘要

为提升内河航行场景下水面小目标的检测效果，降低模型复杂度，提出一种基于改进YOLOv5l的轻量化水面目标检测模型。首先，对定位损失函数进行改进，提出NWD-CIoU函数，可提升模型对小目标的召回率，增加模型的多尺度目标检测能力。其次，将FasterBlock模块与C3模块结合，提出C3＿Faster模块，对YOLOv5l模型的主干网络进行优化，减少网络参数，降低模型复杂度。再次，基于Slimming方法对模型进行剪枝，大幅修剪冗余连接，以减少模型参数和运算复杂度，提升推理速度。最后，基于通道知识蒸馏方法，以YOLOv5x作为教师模型对剪枝后模型进行蒸馏，以提升模型的检测效果。实验结果表明，本文模型对内河航行场景下的水面目标具有较好的检测效果和检测速度，相比原YOLOv5l模型，参数量减少了81.48%,GFLOPs减少了80.69%。该模型更适合在计算资源受限的移动设备上部署，具有一定的工程意义。

关键词

水面目标 / 小目标检测 / 轻量化 / YOLOv5 / 模型剪枝 / 知识蒸馏