足球比赛场景中球员居多、足球目标偏小且移动速度快,足球检测识别难度很大。为了解决这一问题,提出一种基于改进的YOLOv5的足球检测方法,增加使用了OTA(Optimal Transport Assignment)损失函数来优化模型提高对足球目标的识别精度,最后...足球比赛场景中球员居多、足球目标偏小且移动速度快,足球检测识别难度很大。为了解决这一问题,提出一种基于改进的YOLOv5的足球检测方法,增加使用了OTA(Optimal Transport Assignment)损失函数来优化模型提高对足球目标的识别精度,最后在Roboflow的足球数据集上进行训练,对足球比赛场景下的足球进行目标检测实现足球识别。根据实验可以得出结论:改进后的YOLOv5算法的足球识别不仅提高了足球的识别性能与精度,而且有效地提高了检测速度,具有更好的识别性能。展开更多
文摘足球比赛场景中球员居多、足球目标偏小且移动速度快,足球检测识别难度很大。为了解决这一问题,提出一种基于改进的YOLOv5的足球检测方法,增加使用了OTA(Optimal Transport Assignment)损失函数来优化模型提高对足球目标的识别精度,最后在Roboflow的足球数据集上进行训练,对足球比赛场景下的足球进行目标检测实现足球识别。根据实验可以得出结论:改进后的YOLOv5算法的足球识别不仅提高了足球的识别性能与精度,而且有效地提高了检测速度,具有更好的识别性能。
