Neck网络的优化:YOLOv5的Neck网络采用了FPN(Feature Pyramid Networks)和PAN(Path Aggregation Network)结构,通过优化这些结构的连接方式和参数,可以加强特征的融合和传递,提升模型对小目标的检测能力。 2. 损失函数的改进 引入新的损失函数:YOLOv5原本使用的损失函数可能无法在所有情况下都达到最优性能。通过引入新的损...
YOLOv5安全帽佩戴检测算法。首先，在安全帽的特征信息提取过程中引入微尺度检测层，以进一步融合多尺度特征，从而获得更为丰富的特征信息；然后，将坐标注意力机制插入到所提出的改进特征融合网络中，用于提取目标的位置信息，并通过实验验证了该方法的有效性；最后利用EIOU 代替CIOU 损失函数，加快收敛并改善回归精度和...
基于改进YOLOv5的视觉定位算法 2022年6月第43卷 第6期 计算机工程与设计 C OM P U T E RE N G I N E E R I N G A N D D E S I G N J u n e 2022 V o l .43 N o .6 基于改进Y O L O v 5的视觉定位算法 牛洪超1,2,白 松3+,胡晓兵1,2 (1.四川大学机械工程学院,四川...
基于改进YOLOv5模型的经济林木虫害 目标检测算法研究"何颖!陈丁号!彭琳 (云南农业大学大数据学院，昆明市，650200)摘要：对经济林木虫害进行目标检测有助于及时发现虫情，从而更有针对性地控制虫害。首先采用加权双向特征融合技术丰富各级特征图的语义信息和修改自适应Anchor计算方法对YOLOv5主干网络模型进行改进，然后在含...