基于增强特征提取的多尺度目标检测算法

中文关键词: YOLOv5s  多尺度  C2f  注意力机制  SimAM

中文摘要:

      在目标检测任务中同一时刻不同目标具有不同尺寸或同一目标在不同时刻具有不同尺度尺寸的多尺度问题对算法的性能表现具有重要影响。因此，针对该问题对YOLOv5s算法进行改进。首先，引入C2f模块替换骨干网络中的C3模块，强化特征提取网络在不同倍率采样下的特征提取能力；其次，在Neck层不同尺度特征融合阶段融入SimAM注意力机制，改进多尺度融合过程，弱化不同尺度特征图进行特征融合时特征信息丢失问题，强化算法对不同尺度目标的识别能力。随后，对比分析不同算法在公开数据集的性能表现，实验表明，改进后的 YO⁃LO_CNS算法在PASCAL VOC数据集上的综合评价指标mAP@50获得了3.5%的提升，检测效果更加优秀。最后，通过对消融实验的分析验证了 YOLO_CNS 算法对于多尺度问题的优化效果，其中 mAP@small 值提升了 0.5%、 mAP@medium值提升了4%、mAP@large值也获得了4%的提升。

英文摘要: