-
题名Dim-YOLOv5n昏暗场景目标检测算法
被引量：6
- 1
-
-
作者
朱晓彤
张荣芬
刘宇红
孙龙
-
机构
贵州大学大数据与信息工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2024年第11期173-181,共9页
-
基金
贵州省基础研究(自然科学)项目(黔科合基础-ZK[2021]重点001)。
-
文摘
相比于正常光照场景,照明不良昏暗场景干扰因素较多,图像处理较为复杂,且现有的昏暗目标检测,存在参数量大,识别准确率低等不足。针对昏暗场景下目标检测算法中存在误检与漏检等问题,提出以YOLOv5n算法为基础进行改进的昏暗场景目标检测算法Dim-YOLOv5n。利用嵌入全维动态卷积(omni-dimensional dynamic convolution,ODConv)的轻量化主干ODConv-MobileNetV2替换主干网络,在减少计算量的同时提高检测精度。基于RepGFPN(reparameterized generalized-FPN)方法设计更加轻量高效的LigGFPN(lightweight generalized-FPN)加强特征融合网络,以提高网络特征提取能力,并在此基础上,使用GhostConv(ghost convolution)替换传统卷积,以减少模型的参数量。实验结果表明,改进后算法与原算法相比,检测精度P和召回率R分别提高了5.3个百分点和5个百分点,平均精度均值mAP0.5:0.95和mAP0.5分别提升了8.2个百分点和4.6个百分点,改进的算法在保证模型较小的同时有效提高了检测准确率。
-
关键词
昏暗图像
YOLOv5n
全维动态卷积(ODConv)
MobileNetV2
repgfpn
GhostConv
-
Keywords
dim image
YOLOv5n
omni-dimensional dynamic convolution(ODConv)
MobileNetV2
reparameterized generalized-fpn(repgfpn)
Ghost convolution(GhostConv)
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
