基于多尺度特征提取的YOLOv5s算法优化*李校林1,2,王复港1,2,张鹏飞1,2,张琳玉1,2(1.重庆邮电大学通信与信息工程学院,重庆400065;2.重庆邮电大学通信新技术应用研究中心,重庆400065)摘要:目标检测算法广泛应用于无人驾驶、机器人视觉和工业自动化等领域,具有重要研究价值。在众多目标检测算法中,YOLOv5s具有参数规模小和检测速度快的优点,但存在检测精度不高的问题。针对YOLOv5s标准卷积模块特征提取能力不强且存在特征冗余的问题,提出2个基于多尺度特征提取的卷积模块。首先提出多感受野卷积模块,通过多个尺寸的卷积核获取不同粒度的语义信息,以提高模型特征提取能力;然后提出特征图卷积模块,利用少量标准卷积核与分组卷积减少特征通道间的相互制约,提高特征图的多样性;最后使用多感受野卷积模块和特征图卷积模块替换YOLOv5s的部分标准卷积模块,得到本文的改进算法。在PASCALVOC数据集上的实验结果表明,改进算法在提高了检测精度的同时还保证了YOLOv5s的实时检测能力,mAP_0.5和mAP_0.5:0.95分别提高了2.4%和4.9%,证明了改进算法的有效性;在DOTA数据集上进一步验证了改进算法在不同环境下具有良好的泛化能力。关键词:目标检测;多尺度特征;感受野;特征冗余中图分类号:TP391.4文献标志码:Adoi:10.3969/j.issn.1007-130X.2023.06.012YOLOv5salgorithmoptimizationbasedonmulti-scalefeatureextractionLIXiao-lin1,2,WANGFu-gang1,2,ZHANGPeng-fei1,2,ZHANGLin-yu1,2(1.SchoolofCommunicationandInformationEngineering,ChongqingUniversityofPostsandTelecommunications,Chongqing400065;2.ResearchCenterofNewTelecommunicationTechnology,ChongqingUniversityofPostsandTelecommunications,Chongqing400065,China)Abstract:Objectdetectionalgorithmsarewidelyusedinunmanneddriving,robotvision,industrialautomationandotherfields,andhaveimportantresearchvalue.Amongmanytargetdetectionalgo-rithm,YOLOv5shastheadvantagesoffastdetectionspeedandsmallparameterscale,butalsohastheproblemoflowdetectionaccuracy.AimingattheproblemthattheYOLOv5sstandardconvolutionmodulehasweakfeatureextractioncapabilitiesandfeatureredundancy,twoconvolutionmodulesbasedonmulti-scalefeatureextractionareproposed.Firstly,amulti-receptivefieldconvolutionmoduleispro-posedtoimprovethefeatureextractionabilityofthemodel.Itobtainssemanticinf...
