计算机应用

作者：刘辉, 张琳玉, 王复港, 何如瑾

单位：1.重庆邮电大学 通信与信息工程学院，重庆 400065；2.重庆邮电大学 数智化通信新技术应用研究中心，重庆 400065

关键词：目标检测,深度可分离卷积,空洞卷积,注意力机制,非极大值抑制

针对目标检测过程中存在的小目标漏检问题，提出一种基于注意力机制和多尺度上下文信息的改进YOLOv5目标检测算法。首先，在特征提取结构中加入多尺度空洞可分离卷积模块（MDSCM）以提取多尺度特征信息，在增大感受野的同时避免小目标信息的丢失；其次，在主干网络中添加注意力机制，并在通道信息中嵌入位置感知信息，进一步增强算法的特征表达能力；最后，使用Soft-NMS（Soft-Non-Maximum Suppression）代替YOLOv5使用的非极大值抑制（NMS），降低检测算法的漏检率。实验结果表明，改进算法在PASCAL VOC数据集、DOTA航拍数据集和DIOR光学遥感数据集上的检测精度分别达到了82.80%、71.74%和77.11%，相较于YOLOv5，分别提高了3.70、1.49和2.48个百分点；而且它对图像中小目标的检测效果更好。因此，改进的YOLOv5可以更好地应用到小目标检测场景中。

来源：2023年第5期

《计算机应用》期刊编辑部

查看计算机应用杂志2023年第5期