改进YOLOv5网络的鱼眼图像目标检测算法.pdfVIP

ComputerEngineeringandApplications计算机工程与应用2023，59（6）241

改进YOLOv5网络的鱼眼图像目标检测算法

11112

吕晓玲，杨胜月，张明路，梁明，王俊超

1.河北工业大学机械工程学院，天津300400

2.河北工业大学人工智能与数据科学学院，天津300400

摘要：针对目标检测算法应用在鱼眼图像数据集上检测精准率低、算法实时性差等问题，提出了在化工场景下利

用改进网络YOLOv5进行鱼眼图像中的目标检测算法。由于无公开化工场景鱼眼图像数据集，提出了利用不同类

型图像间像素点的坐标关系，将数据集转换为同鱼眼图像具有相同畸变效果的图像。为消除鱼眼图像中有效区域

外的冗余信息，将线扫描算法应用到YOLOv5s数据预处理阶段。为在缩减模型的同时保证算法的检测精准率，

提出了采用注意力机制scSE和空洞卷积来改进轻量级网络ShuffleNetV2，并利用改进后的轻量级网络代替原

YOLOv5s中主特征提取网络。实验结果表明，在实验设置相同的条件下，改进后的算法在模型从27.4MB缩减到

14.2MB的情况下，检测精准率从97.86%提高到98.46%。

关键词：深度学习；目标检测；鱼眼图像；ShuffleNetV2；scSE；YOLOv5

文献标志码：A中图分类号：TP391doi：10.3778/j.issn.1002-8331.2210-0118

ImprovedFisheyeImageTargetDetectionAlgorithmBasedonYOLOv5Network

11112

LYUXiaoling,YANGShengyue,ZHANGMinglu,LIANGMing,WANGJunchao

1.SchoolofMechanicalEngineering,HebeiUniversityofTechnology,Tianjin300400,China

2.SchoolofArtificialIntelligence,HebeiUniversityofTechnology,Tianjin300400,China

Abstract：Theexistingtargetdetectionalgorithmshavetheproblemsoflowdetectionaccuracyandpoorreal-timeperfor-

manceonthefisheyeimagedataset.Therefore,thispaperproposesatargetdetectionalgorithminfisheyeimagesusing

improvednetworkYOLOv5inchemicalscenes.Firstly,aimingattheproblemthatthereisnopublicchemicalindustry

fisheyeimagedatabaseatpresent,thedatasetistransformedintotheimagewiththesamedistortioneffectofthefisheye

imagebyusingthecoordinaterelationshipofpixelsbetweendifferenttypesofimages.Then,insertinglinescanalgorithm

inYOLOv5sdatapreprocessingstagecaneffectivelyeliminatetheredundantinformationoffisheyeimage.Finally,the

attentionmechanismscSEanddilatedconvolutionareusedtoimprovethelightweightnetworkShuf