改进YOLOv5s的明渠漂浮垃圾实时检测方法

摘要：

针对航拍图像上明渠漂浮垃圾尺寸小,且易受水面倒影、强光等因素干扰从而造成漂浮垃圾漏检和误检的问题,提出了一种基于改进YOLOv5s的明渠漂浮垃圾实时检测方法.首先,通过数据增强的方式对数据集进行扩充,避免数据量过少产生过拟合现象;然后,结合加权双向特征融合网络(BiFPN),对YOLOv5s结构的特征融合过程进行修改,以提高检测精度和速度;并且在Neck和Head部分之间添加3 个改进的三维CBAM注意力机制模块,加强网络信息的提取和定位能力,能够有效地降低检测的漏检率和误检率;最后,增大网络输入的分辨率,使图像具有更加丰富的细节信息和更加精确的位置信息,有利于小目标特征信息的提取.实验结果显示改进的YOLOv5s算法检测的平均精度达到了89.9%,与原YOLOv5s算法相比提高了9.5%,而且与其他目标检测算法对比,能够提高明渠漂浮垃圾检测的精度,确保检测的实时性.

关键词：YOLOv5s、实时检测、加权双向特征融合、注意力机制、小目标

所属期刊栏目：33

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61502359

在线出版日期：2023-09-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：83-90