研究者引入AF-FPN和自动学习数据增强来解决模型大小和识别精度不兼容的问题,进一步提高模型的识别性能。将原有的FPN结构替换为AF-FPN,以提高识别多尺度目标的能力,并在识别速度和准确率之间做出有效的权衡。 此外,研究者去除原始网络中的mosaic augmentation,并根据自动学习数据增强策略使用最佳数据增强方法来丰富数据集并...
一、概要 本文提出了一种改进的特征金字塔模型 AF-FPN,该模型利用自适应注意力模块(adaptive attention module,AAM)和特征增强模块(feature enhancement module,FEM)来减少特征图生成过程中的信息丢失,进而提高特…
基于改进YOLOv5的交通标志检测与识别 一、内容概要．．．2 1.研究背景与意义．．．2 2.国内外研究现状．．．3 3.研究内容与目标．．．4 二、交通标志检测与识别技术概述．．．4
基于改进的YOLOv5识别遥感影像中输电塔的方法 孙乐杨1，凌振宝1，王永志2 （1.吉林大学 仪器科学与电气工程学院，吉林 长春 130061；2.吉林大学 地球探测科学与技术学院，吉林 长春 130061）摘 要：针对遥感影像目标检测中部分输电塔因目标较小、特征不显著而难以识别的问题，提出一种优化和改进 的YOLOv5目标...
研究者引入AF-FPN和自动学习数据增强来解决模型大小和识别精度不兼容的问题,进一步提高模型的识别性能。将原有的FPN结构替换为AF-FPN,以提高识别多尺度目标的能力,并在识别速度和准确率之间做出有效的权衡。 此外,研究者去除原始网络中的mosaic augmentation,并根据自动学习数据增强策略使用最佳数据增强方法来丰富数据集并...
将YOLOv5中原有的特征金字塔网络替换为AF-FPN,在保证实时检测的前提下提高了YOLOv5网络对多尺度目标的检测性能。此外,提出了一种新的自动学习数据增强方法来丰富数据集并提高模型的鲁棒性,使其更适合实际场景。在Tsinghua-Tencent 100K (TT100K) 数据集上的大量实验结果证明了与几种最先进的方法相比所提出的方法的...