一种基于改进YOLOv5的轻量化目标检测方法技术

本发明专利技术提出了一种基于改进YOLOv5的轻量化目标检测方法，包括处理数据集，将数据集的train+val部分和test部分分别作为训练集和测试集；对原YOLOv5v6.0网络模型进行改进；对改进的网络模型进行训练；将训练好的模型部署到嵌入式设备，输入待检测图像，输出得到检测到的目标，用外接矩形框标记，并显示其类别。本发明专利技术对传统YOLOv5算法进行改进，修改轻量化模型，减少模型冗余，在保证精度的同时进一步减少参数量；引入大视野上下文特征集成模块和坐标注意力机制，高效获取丰富的上下文信息，增强对场景小目标信息的提取能力，增大网络的全局感受野，增强对目标方向与位置等信息的敏感度，具有较高实用性。具有较高实用性。具有较高实用性。

【技术实现步骤摘要】
一种基于改进YOLOv5的轻量化目标检测方法


[0001]本专利技术属于计算机视觉领域，具体涉及一种基于改进YOLOv5的轻量化目标检测方法。

技术介绍

[0002]随着现代科学技术的飞速发展，尤其是人工智能、互联网等技术的全面发展，服务机器人的应用越来越广泛，工业质检、自动驾驶等技术不断升级，目标检测技术的地位也愈发突出。
[0003]深度学习作为一个实现人工智能的重要方法，在语音识别、目标检测等领域应用广泛，而目标检测也被广泛应用于人脸识别和人体检测等诸多领域。两阶段检测方法有着精度优势，单阶段检测方法则具有较高的检测效率。然而，异常行为检测、自动驾驶、机器人服务等任务在进行目标检测时对于算法的实时性有较高要求，并希望算法在参数量尽可能小的情况下具备较高的精度，实现精度与速度兼得。深度网络模型网络结构包含大量参数，需要极大存储空间和运行空间完成检测任务。2020年，YOLOv5以高检测速度问世，使之成为部署到移动端的理想候选方案，然而在实际的工业应用中，研究者们发现参数量更大的YOLOv5l、YOLOv5m等受硬件约束较大，而稍轻量本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进YOLOv5的轻量化目标检测方法，其特征在于，包括以下步骤：步骤一：处理数据集，将数据集的train+val部分作为训练集，将数据集的test部分作为测试集；步骤二：构建改进的YOLOv5网络模型；步骤三：对步骤二得到的改进YOLOv5模型进行训练，在测试集上得到评价指标；步骤四：将训练好的网络模型部署到嵌入式设备，输入待检测图像，训练好的网络模型将检测得到的目标用外接矩形框标记，并显示其类别。2.根据权利要求1所述的基于改进YOLOv5的轻量化目标检测方法，其特征在于，所述步骤二具体包括以下步骤：步骤1)设置不同压缩比的Ghostconv模块；构建一条卷积核大小为1
×
1的卷积支路，输入通道数为上一层输出的通道数，输出通道数为该层总输出通道数除以压缩比值；构建一条卷积核大小为5
×
5的卷积支路，输入通道数为该层总输出通道数除以压缩比值，输出通道数为总输出通道数减去另一条支路输出通道数，当压缩比值为2时group参数设为1，当压缩比值为4时group参数设为4；将两条支路的输出进行拼接作为下一层的输入；将模型中除第一层以外的Conv层替换为压缩比值为2的Ghostconv层与压缩比值为4的Ghostconv2层；式(1)中c2为最终输出的通道数；cmi为进行一般卷积的通道数，nc为进...

【专利技术属性】
技术研发人员：王驭陌，刘祎，吴鹏，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：