典型文献
改进YOLOv5的船舶检测算法及嵌入式实现
文献摘要：
针对嵌入式平台资源受限条件下的高准确率、 轻量化实时船舶目标检测需求,提出基于改进YOLOv5的船舶目标检测方法.采用GhostNet网络结构,对YOLOv5的backbone主干网络层整体架构进行压缩,减少网络的复杂度和计算量,实现算法的轻量化设计;在C3模块中引入了注意力机制(Squeeze-and-Excitation,SENet),加强对船舶目标的特征感知;使用更加平滑的Mish函数改进YOLOv5的Swish激活函数,使得特征信息可以在更深的网络层流动.实验结论表明,提出的方法将YOLOv5模型参数量压缩27％,部署到嵌入式AI推理平台NVIDIA Jetson TX2可以实现高速检测,检测帧率为22帧/秒,平均检测精度mAP@0.5:0.95高达97.2％,相比YOLOv5提高了3.5％,表明该算法效果显著,满足实时高精度检测.
文献关键词：
YOLOv5;注意力机制;船舶检测;网络压缩;嵌入式Jetson TX2
中图分类号：
作者姓名：
王文杰;何小海;卿粼波;董子铭;熊淑华
作者机构：
四川大学电子信息学院, 四川成都 610041
文献出处：
引用格式：
[1]王文杰;何小海;卿粼波;董子铭;熊淑华-.改进YOLOv5的船舶检测算法及嵌入式实现)[J].无线电工程,2022(12):2116-2123
A类：
B类：
YOLOv5,船舶检测,检测算法,嵌入式平台,平台资源,资源受限,受限条件,船舶目标检测,目标检测方法,GhostNet,backbone,主干网络,网络层,整体架构,计算量,轻量化设计,C3,注意力机制,Squeeze,Excitation,SENet,特征感知,Mish,Swish,激活函数,特征信息,层流,实验结论,模型参数量,NVIDIA,Jetson,TX2,高速检测,帧率,检测精度,mAP,高精度检测,网络压缩
AB值：
0.482021
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。
