基于特征重构的YOLO目标检测模型实现

作     者：纪宇龙 

作者机构：天津工业大学软件学院天津 

出 版 物：《人工智能与机器人研究》 (Artificial Intelligence and Robotics Research)

年 卷 期：2024年第13卷第1期

页      面：112-120页

学科分类：08[工学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：目标检测 YOLOv5s 特征重构 

摘      要：目标检测是计算机视觉领域的四大核心任务之一,它涵盖了目标的分类和定位,至今已有近二十年的研究历史。YOLOv5在YOLO系列目标检测算法中广泛应用,这得益于其稳定的工程实践能力,以及可以较好地平衡检测精度和速度,但YOLOv5算法的检测精度距两阶段目标检测器的性能还有差距。因此本文选取其作为研究对象,对其进行改进,力求在保证检测速度基本不变的同时尽可能地提升精度。针对YOLOv5s目标检测算法不能充分利用特征信息的问题,对YOLOv5s进行改进后,提出一种基于特征重构模块的目标检测模型(F-YOLOv5s)。该特征重构模块将w-h平面上的特征信息转移到空间维度,能够减少下采样带来的信息损失,从而提高目标检测的准确率。实验表明,在PASCAL VOC2007和VOC2012数据集上,本文提出的特征重构模块能有效提高特征信息的利用率,使得检测精度大幅度提升。