典型文献
基于YOLOv5-CA算法的野生动物目标检测研究
文献摘要：
在YOLOv5s模型的基础上,增加多尺度特征检测层,引入协调注意力机制,采用大目标检测的预训练权重文件,对野生动物的识别检测进行了研究,提出了基于YOLOv5-CA的野生动物目标检测算法.实验结果表明:在自制野生动物数据集上对改进前后的网络模型训练对比,YOLOv5s的mAP为91.2％,YOLOv5-CA的mAP为96.8％,优化后的模型YOLOv5-CA的mAP比YOLOv5s提高了5.6％,查准率P、召回率R都有明显提高.由此可见,YOLOv5-CA能够更加精准和有效的对野生动物进行检测,较好的提高了野生动物检测性能.
文献关键词：
目标检测;深度学习;野生动物;YOLOv5-CA;协调注意力
中图分类号：
作者姓名：
朱高兴;于瓅
作者机构：
安徽理工大学计算机科学与工程系 安徽淮南 232001
文献出处：
引用格式：
[1]朱高兴;于瓅-.基于YOLOv5-CA算法的野生动物目标检测研究)[J].信息技术与信息化,2022(06):32-35
A类：
B类：
CA,野生动物,YOLOv5s,多尺度特征,特征检测,检测层,协调注意力机制,大目标,预训练,重文,识别检测,目标检测算法,进前,模型训练,mAP,查准率,召回率,检测性能
AB值：
0.277429
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。
