第57卷第1期2023年1月西安交通大学学报JOURNALOFXI’ANJIAOTONGUNIVERSITYVol.57No.1Jan.2023.*基于YOLOv5s的轻量化朱鹮检测算法研究张凡1,2,张鹏超1,2,王磊1,2,曹锐虎1,2,王晓鹏1,2,黄俊霖1,2(陕西理工大学机械工程学院,723000,陕西汉中;2.陕西省工业自动化重点实验室,723000,陕西汉中)摘要:针对当前朱鹮检测算法模型参数较多、计算量大的问题,本文设计研究了一种基于YOLOv5s的高性能轻量化网络模型。首先,结合EfficientNet网络中的MBConvBlock对原主干网络进行重构,大幅降低网络参数;同时在浅层网络中采用Stem模块,提升浅层网络的特征提取能力;然后改进卷积注意力模块(CBAM),即将其中的通道注意力替换为高效通道注意力模块(ECA),避免了降维操作,有效提取了邻近通道间的信息,且大幅降低了通道注意力的参数数量,并将其嵌入特征融合网络路径聚合网络(PANet)中,达到了引入微小参数数量而有效提升网络性能的目的,并将其命名为高效卷积注意力模块(ECBAM)。最后,在自建朱鹮数据集和公共数据集PASCALVOC、COCO上进行实验,实验结果表明,与YOLOv5s算法相比,本文算法模型参数数量降低了52.37%,计算次数降低了54.55%,在自建朱鹮数据集上PmAP@0.5:0.95仅降低了约2个百分点,达到0.666,在公共数据集PASCALVOC上PmAP@0.5达到0.792,在公共数据集CO-CO上PmAP@0.5:0.95达到0.298,证明了本文算法可在大幅降低网络计算量的同时保持较高的目标检测性能。关键词:目标检测;YOLOv5s;轻量化;注意力中图分类号:TP391.41文献标志码:DOI:10.7652/xjtuxb202301011文章编号:0253-987X(2023)01-0110-12ResearchonLightweightCrestedIbisDetectionAlgorithmBasedonYOLOv5sZHANGFan1,2,ZHANGPengchao1,2,WANGLei1,2,CAORuihu1,2,WANGXiaopeng1,2,HUANGJunlin1,2(1.SchoolofMechanicalEngineering,ShaanxiUniversityofTechnology,Hanzhong,Shaanxi723000,China;2.ShaanxiKeyLaboratoryofIndustrialAutomation,Hanzhong,Shaanxi723000,China)Abstract:AimingattheproblemsofexcessiveparametersandheavycalculationworkloadinthecurrentCrestedIbisdetectionalgorithmmodel,thispaperstudiesanddesignsahigh-performancelightweightnetworkmodelbasedonYOLOv5s.First,theoriginalbackbonenetworkisrecon-structedbyreferringtoMBConvblockintheEfficientNetnetworktogreatlyreducethenetworkparameters;atthesametime,theStemmoduleisusedintheshallownetworktoimprovethefeatureextra...
