注意力优化的轻量目标检测网络及应用
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-excita-tion).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.
目标检测、深度学习、计算机视觉、轻量化网络、空间注意力、通道注意力、一阶目标检测网络、损失函数
18
TP18(自动化基础理论)
国家自然科学基金;国家自然科学基金;湖北省重点研发项目;湖北工业大学研究生基金项目
2023-07-26(万方平台首次上网日期,不代表论文的发表时间)
共11页
506-516