-
题名基于改进YOLOv5s的水面漂浮小目标检测算法
- 1
-
-
作者
岳旭生
李军
王耀弘
朱鹏浩
王哲兴
许炫皓
-
机构
重庆交通大学机电与车辆工程学院
重庆市计量质量检测研究院
郑州恒达智控科技有限公司
-
出处
《中国舰船研究》
北大核心
2025年第3期318-326,共9页
-
基金
国家自然科学基金资助项目(52172381)
重庆市研究生联合培养基地资助项目(JDLHPYJD2018003)。
-
文摘
[目的]针对无人船视角下的水面漂浮瓶识别易出现错检、漏检等问题,基于YOLOv5s算法,提出一种改进的YOLOv5s水面漂浮小目标检测算法。[方法]对原始数据集Flow-Img进行数据增强和扩充,从而避免模型出现过拟合的现象;为了提高深度学习模型对极小目标的检测精度,在YOLOv5s的3个检测层的基础上,增加1个极小目标检测层,同时去掉用于大目标的检测头,避免数据不均衡带来的先验框分配问题;接着,在骨干网络中增加CBAM注意力模块,以解决模型在水面漂浮瓶检测任务中目标特征信息捕捉能力不足的问题;最后引入归一化Wasserstein距离(NWD)的回归损失函数,将IoU损失函数和NWD损失函数进行加权组合,形成一个综合的回归损失函数,从而进一步提高对水面漂浮瓶识别的准确率和精度。[结果]实验结果表明,所提算法在水面漂浮瓶检测时mAP@0.5值达到95.7%,比原始YOLOv5s算法的mAP@0.5提升了2.6%,mAP@0.95提升了4.5%,同时,模型参数量下降了61.9%。[结论]在实现轻量化的同时使得水面漂浮瓶检测结果更加准确,为水面小型漂浮物的检测提供了重要的技术参考。
-
关键词
水面漂浮小目标
计算机视觉
目标检测
图像处理
改进YOLOv5s
CBAM
NWD损失函数
-
Keywords
small floating surface objects
computer vision
target tracking
image processing
improved YOLOv5s
CBAM
NWD loss function
-
分类号
U674.24
[交通运输工程—船舶及航道工程]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
