典型文献
基于YOLOT网络的小目标检测
文献摘要：
当前以大数据、深度学习、算力为基础的目标检测在智能农业、人脸识别、安防监控、行人检测、车辆检测等领域有着广泛的应用.特别是农业中的蔬果发育及采摘、病虫杂草识别、产量预测等应用都将有力地支撑着智能农业蓬勃的发展.但是农业中小型瓜果蔬菜等小目标在采集的图像中所占像素太少、覆盖区域不足、携带信息少等问题导致识别率不高,出现漏检、误检等错误.文章提出一个基于YOLOv5改进的卷积神经网络YOLOT.第一:YOLOT改进了YOLOv5网络并添加了注意力机制在Backbone中,提高了其对小目标特征提取的有效度.第二:针对小目标浅层信息与深层信息相差较大,改进了特征金字塔,使其准确率有了明显提高.第三:针对小目标占比像素过少,优化了锚框.综合上述改进以及实验对比,笔者提出的YOLOT网络对农业中小型目标的检测率明显优于YOLOv5检测算法.
文献关键词：
农业;YOLOv5;小目标;注意力机制;特征金字塔
中图分类号：
作者姓名：
王恒;李鹏飞
作者机构：
江西理工大学信息工程学院,江西赣州341000
文献出处：
引用格式：
[1]王恒;李鹏飞-.基于YOLOT网络的小目标检测)[J].电脑知识与技术,2022(32):22-26
A类：
YOLOT
B类：
小目标检测,算力,智能农业,人脸识别,安防监控,行人检测,车辆检测,蔬果,采摘,病虫,杂草识别,产量预测,地支,中小型,瓜果,果蔬,像素,太少,覆盖区域,带信,识别率,漏检,YOLOv5,注意力机制,Backbone,小目标特征,有效度,特征金字塔,锚框,实验对比,检测率,检测算法
AB值：
0.370028
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
