计算机应用

作者：陈天华, 朱家煊, 印杰

单位：1.北京工商大学 人工智能学院，北京 100048；2.江苏警官学院 计算机信息与网络安全系，南京 210031

关键词：目标检测,生物识别,卷积神经网络,注意力机制,损失函数

基金：国家自然科学基金资助项目（62272203）；北京市自然科学基金-北京市教育委员会科技计划重点项目联合项目（KZ202110011015）。

针对现有细粒度鸟类目标识别算法准确率不高的问题，提出一种鸟类目标检测算法YOLOv5-Bird。首先，在YOLOv5主干网络中引入基于混合域的坐标注意力（CA）机制，增大有价值的通道权重，以区分目标特征和背景中的冗余特征；其次，在原始主干网络中采用双层路由注意力（BRA）模块替换原网络中的部分C3模块，过滤低相关度的键值对信息，获得高效的长距离依赖关系；最后，使用WIoU（Wise-Intersection over Union）损失函数，增强算法对目标的定位能力。实验结果表明，YOLOv5-Bird在自建数据集上取得了82.8%的精确率和77.0%的召回率，比YOLOv5算法分别提高4.3和7.6个百分点，也优于增加其他注意力机制的算法。验证了YOLOv5-Bird在鸟类目标检测场景中具有较好的性能。

来源：2024年第4期

《计算机应用》期刊编辑部

查看计算机应用杂志2024年第4期