基于YOLOv5的荔枝果实小目标检测算法研究.pdf
《基于YOLOv5的荔枝果实小目标检测算法研究.pdf》由会员分享,可在线阅读,更多相关《基于YOLOv5的荔枝果实小目标检测算法研究.pdf(4页珍藏版)》请在咨信网上搜索。
1、第 期(总第 期)年 月山西电子技术研究与探讨收稿日期:基金项目:广东省教育厅重点领域专项()广东省农村科技特派员项目()广东省农村科技特派员项目()作者简介:王萍叶()女山西临猗人讲师硕士研究方向:神经网络通信作者:毛 亮()男湖南常德人副研究员博士研究方向:深度学习与计算机视觉文章编号:()基于 的荔枝果实小目标检测算法研究王萍叶 毛 亮(.深圳职业技术学院深圳 .粤港澳大湾区人工智能应用技术研究院深圳)摘 要:小目标检测是目标检测领域中的热点和难点 现有的主流目标检测算法大多使用特征金字塔来检测不同尺度的目标其中小尺度的高层特征用来检测大目标大尺度的浅层特征用来检测小目标 然而对小目标检
2、测而言高层特征的生成和检测往往会带来大量的计算量又不能等效地提高小目标检测的准确度 因此在 模型的网络结构基础上去掉金字塔特征融合的 部分采用浅层网络来检测自然场景中荔枝果实小目标 在极大地简化 模型网络结构的情况下既保证识别荔枝果实目标的准确度基本不变又提高了检测速度关键词:小目标检测深度神经网络荔枝果实中图分类号:.文献标识码:(.):.:介绍小目标检测困难的原因包括卷积神经网络的卷积步幅较大数据集的分布情况不理想模型泛化能力弱先验框的设置欠优交并比阈值的设置欠优等 本文以荔枝检测为例讨论卷积神经网络检测步幅数据分布情况先验框的设置对小目标检测的影响论证高层特征提取和金字塔特征混合对小目标
3、检测的作用有限.小目标的定义小目标有两种定义方式 一种是根据相对尺寸大小定义如目标尺寸的长宽是原图像尺寸的.另外一种是根据绝对尺寸大小定义即尺寸小于 像素的目标 本文使用的原始图像是高清图片 将原始图片缩放到 像素大小后荔枝的尺寸在.像素之间符合小目标的标准 年第 期王萍叶等:基于 的荔枝果实小目标检测算法研究.的网络结构本文研究基于 年 月发布的 .版本.版本不仅保留了以前版本的对应下采样幅度分别为、的三层金字塔特征层输出还可以增加一层支持对应下采样幅度为 的第四层特征输出 增加第四层特征输出更有利于检测较大的物体和支持更高分辨率的图片.版本用.中新支持的()激活函数替换了先前版本中的()和
4、()激活函数整个网络中任何一个地方都只使用 激活函数 新版本删减了以前版本中 部分的 模块 图 显示了 .版本的三层特征网络结构 部分用于特征提取 部分包括用于组成三层金字塔特征混合层的 结构和用于分类和定位的 部分 自顶向下传达强语义特征 自底向上传达强定位特征将高低层特征进行混合可以提高特征提取的能力图 .三层金字塔网络结构 小目标检测的网络改进.删减网络结构图 简化之后的网络结构 金字塔特征层的高层特征层用于检测大目标而荔枝之类的小目标在网络卷积过程中很难传递到后面的深层网络中去 因此我们可以去除高层部分的网络结构以期达到减少计算量加快检测速度又不降低检测精度的效果 本文使用图 所示的结
5、构 主干网络仅保留对应下采样幅度为 的前 层在输入尺寸为 像素时每个特征代表 像素的区域去除对应下采样幅度为 和 的第 层到第 层 部分去除三层金字塔特征混合层仅保留最后的检测层 经过简化模型的参数从 精简到 数量为原来的.删减高层网络对应的先验框图 荔枝尺寸相对于图像尺寸的百分比 在训练模型时首先将原始图片缩放到预先定义的大小设为 然后将缩放后的图片随机裁剪缩放并拼接为 大小的图像这些缩放并拼接后的图片就是作为训练模型的数据图片图 显示处理后荔枝大小相对于图片的分布比例本文预先设定的图片大小为 像素当原始图片被缩放到 像素时标注的荔枝的宽和高在.像素之间约占.像素之间约占全部荔枝的宽和高都在
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 YOLOv5 荔枝 果实 目标 检测 算法 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。