典型文献
基于YOLOv5改进的小目标检测算法
文献摘要：
针对传统目标检测算法存在对小目标检测的识别精度低和不稳定的问题,提出基于YOLOv5改进的小目标检测算法.基于卷积神经网络加入额外的检测头,采用数据增强策略并更改网络卷积步长,解决了小目标像素低、占比小、易重叠和难以分辨等问题;同时依托真实检测场景制作一个全新的针对飞机检测的卫星影像数据集,该数据集的待检测小目标占比达61％,飞机姿态及场景丰富,有助于客观全面地验证网络精度.将改进后的算法与原始的YOLOv5模型进行对比,结果表明,其平均精确率AP值较原始YOLOv5模型提升约3％.
文献关键词：
深度学习;小目标检测;检测头;数据集;航拍图片
中图分类号：
作者姓名：
刘思诚;李嘉琛;邓皓;王栋栋;刘娟秀;张静
作者机构：
南开大学电子信息与光学工程学院,天津 300071;电子科技大学光电科学与工程学院,成都 610054;微智科技-电子科技大学智能显微技术联合研究中心,四川 宜宾 644000
文献出处：
引用格式：
[1]刘思诚;李嘉琛;邓皓;王栋栋;刘娟秀;张静-.基于YOLOv5改进的小目标检测算法)[J].兵工自动化,2022(12):78-82,94
A类：
B类：
YOLOv5,小目标检测,目标检测算法,识别精度,检测头,数据增强策略,更改,步长,像素,飞机检测,卫星影像数据,比达,精确率,AP,航拍图片
AB值：
0.241539
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。
