改进YOLOv5网络的鱼眼图像目标检测算法

TP391; 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...

Full description

Saved in:
Bibliographic Details
Published in计算机工程与应用 Vol. 59; no. 6; pp. 241 - 250
Main Authors 吕晓玲, 杨胜月, 张明路, 梁明, 王俊超
Format Journal Article
LanguageChinese
Published 河北工业大学 机械工程学院,天津 300400%河北工业大学 人工智能与数据科学学院,天津 300400 15.03.2023
Subjects
ShuffleNetV2
YOLOv5
鱼眼图像
深度学习
目标检测
scSE
Online AccessGet full text
ISSN1002-8331
DOI10.3778/j.issn.1002-8331.2210-0118

Cover

More Information
Summary:TP391; 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27.4 MB缩减到14.2 MB的情况下,检测精准率从97.86％提高到98.46％.
ISSN:1002-8331
DOI:10.3778/j.issn.1002-8331.2210-0118