典型文献
改进YOLOv5s的车载红外图像目标检测
文献摘要：
针对车载红外图像分辨率低、目标小且细节模糊导致检测精度不高的问题,提出了一种基于改进YOLOv5s的目标检测网络.网络对SPP模块进行改进和添加,然后在骨干网络中嵌入了坐标注意力模块,将位置信息嵌入到通道注意力中,使得网络能够在更大的区域上进行注意力,更多地关注重要的目标特征,提高模型的表现力.最后用EIOU边界框损失函数替换CIOU Loss,进一步提高网络的检测精度.在FLIR车载红外图像数据集的测试集上的实验表明,改进模型较YOLOv5s网络mAP@0.5值提升了3.4％,且几乎不影响检测速度和模型权重大小,满足体积小和轻量化的需求,适合部署到车载嵌入式系统中.
文献关键词：
目标检测;YOLOv5s;SPP;坐标注意力机制;车载红外图像;边界框回归损失函数
中图分类号：
作者姓名：
宋甜;李颖;王静
作者机构：
四川大学电子信息学院,成都 610065
文献出处：
引用格式：
[1]宋甜;李颖;王静-.改进YOLOv5s的车载红外图像目标检测)[J].现代计算机,2022(02):21-28
A类：
车载红外图像
B类：
YOLOv5s,图像目标检测,图像分辨率,检测精度,目标检测网络,SPP,骨干网络,注意力模块,位置信息,通道注意力,目标特征,表现力,EIOU,CIOU,Loss,FLIR,图像数据集,测试集,改进模型,mAP,检测速度,模型权重,足体积,体积小,嵌入式系统,坐标注意力机制,边界框回归损失函数
AB值：
0.334649
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。
