运动场景下改进YOLOv5小目标检测算法.pdfVIP

1962023，59（10）ComputerEngineeringandApplications计算机工程与应用

运动场景下改进YOLOv5小目标检测算法

朱瑞鑫，杨福兴

北京邮电大学人工智能学院，北京100876

摘要：针对运动场景下由于设备移动、相机散焦，导致采集到的图像模糊，图像质量低，以及目标体积小，使目标检

测困难的问题，提出了一种改进YOLOv5x目标实时检测模型。采用可变形卷积网络替换部分原始YOLOv5x中传

统的卷积层，增强模型在运动场景中细粒度特征提取和小目标检测能力；增加SE注意力机制，解决在卷积过程中，

因丢失图像全局上下文信息，造成特征损失的问题，提高了模型在图像模糊情况下小目标的检测精度；引入一种新

的边界框回归损失函数SIoULoss，解决了预测框在回归时随意匹配的问题，提高了模型鲁棒性和泛化能力，加快网

络的收敛速度。实验结果表明，相比于YOLOv5x模型，将改进后的算法应用在水下移动机器人生物检测中，模型准

P、R、

确率召回率各类平均精度mAP分别提升了5.90个百分点、5.85个百分点、4.38个百分点，有效增强了小目标

检测模型的检测性能。

关键词：可变形卷积网络；注意力机制；SIoULoss；YOLOv5x

文献标志码：A中图分类号：TP391.4doi：10.3778/j.issn.1002-8331.2211-0017

ImprovedYOLOv5SmallObjectDetectionAlgorithminMovingScenes

ZHURuixin,YANGFuxing

SchoolofArtificialIntelligence,BeijingUniversityofPostsandTelecommunications,Beijing100876,China

Abstract：Fortheproblemsofblurredimagesandlowimagequalityduetothemovementofdevicesandcamerascatter-

inginmotionscenes,aswellasthesmallsizeoftheobject,whichmakeobjectdetectiondifficult,animprovedYOLOv5x

objectdetectionmodelinrealtimeisproposed.Firstly,deformableconvolutionalnetworkisusedtoreplacepartofthetra-

ditionalconvolutionlayerintheoriginalYOLOv5xtoenhancethemodel’sabilityoffine-grainedfeatureextractionand

smallobjectdetectioninmotionscenes.Secondly,theSEattentionmechanismisaddedtosolvetheproblemoffeature

losscausedbythelossofglobalcontextinformationintheprocessofconvolution,whichimprovesthedetectionaccuracy

ofsmallobjectsinthecaseofimageblur.Finally,anewboundingboxregressionlossfunction,SIoULoss,isintroduced

tosolvetheproblemofrandommatchingofpredictionboxesinregression,improvetherobustnessandgeneralization

abilityofthemodel,andacceleratetheconvergencespeedofthenetwork.Theexperimentalresul