注意力优化的轻量目标检测网络及应用

最新推荐文章于 2024-05-22 20:59:28 发布

米朵儿技术屋

最新推荐文章于 2024-05-22 20:59:28 发布

阅读量89

点赞数

分类专栏：大数据与数字化的设计应用专栏文章标签：目标检测人工智能计算机视觉

本文链接：https://blog.csdn.net/weixin_70923796/article/details/134757629

版权

大数据与数字化的设计应用专栏专栏收录该内容

65 篇文章 2 订阅 ¥69.90 ¥99.00

订阅专栏

超级会员免费看

本文提出了一种名为YOLOv5s-CCA的轻量级目标检测网络，通过融合通道注意力（SE）和空间注意力（CA）模块，实现了网络轻量化并提高了检测精度。实验表明，CA模块在YOLOv5s中的性能优于SE模块，尤其是在网络早期阶段插入CA模块效果最佳。YOLOv5s-CCA在PASCAL VOC 2012和Global Wheat 2020数据集上表现出良好的通用性和泛化性，为轻量化目标检测的部署提供了数据支撑。

摘要由CSDN通过智能技术生成

摘要: 本文以轻量化改进YOLO网络为主要目标，选取具有代表性的(squeeze and excitation, SE)通道注意力模块和比较新颖的(coordinate attention, CA)空间注意力模块与YOLOv5s目标检测网络进行融合，提出新的轻量网络模型YOLOv5s-CCA (YOLOv5s-C3-coordinate attention)和YOLOv5s-CSE(YOLOv5s-C3-squeeze-and-excitation)。通过进一步探索，论证出SE和CA注意力模块在YOLOv5s目标检测网络中最优插入位置的策略，实验论证了在轻量化网络模型中CA优于SE注意力模块。本文所提出的YOLOv5s-CCA网络模型在PASCAL VOC 2012数据集和Global Wheat 2020数据集中实现了网络轻量化并且精度较原始网络有所提升；并证实了YOLOv5s-CCA具有一定的通用性和泛化性，为其在实际生产与生活中进行轻量化部署提供了可靠的数据支撑和一定参考价值。