Attention-YOLOv5s：引入注意力机制的YOLOv5s算法

被引：0

作者：

杨可帆 ^{[1
]}

魏昕恺 ^{[1
]}

马妍 ^{[1
]}

王佳玲 ^{[1
]}

宋涛 ^{[1
,2
]}

韦艳芳 ^{[3
]}

机构：

[1] 湖州师范学院理学院

[2] 湖州市数据建模与分析重点实验室

[3] 浙江水利水电学院计算机科学与技术学院

来源：

现代信息科技 | 2025年 / 9卷 / 05期

关键词：

YOLOv5s; 目标检测; 注意力机制; 损失函数; 行人检测;

D O I：

暂无

中图分类号：

TP391.41 []; TP183 [人工神经网络与计算];

学科分类号：

080203 ;

摘要：

为了提高图像目标检测的准确率，提出一种结合注意力机制的YOLOv5s目标检测算法。首先，针对局部遮挡以及小目标难以检测的问题，在YOLOv5s主干网络中引入注意力机制以提高目标检测算法对重要区域的特征提取能力；然后，为降低模型复杂度并加快网络收敛速度，使用SIoU损失函数替换YOLOv5s原有损失函数CIoU；最后，利用改进模型与人群检测算法进行对比试验，分析模型行人检测能力。在VOC2007数据集上的对比实验表明，改进后的YOLOv5s目标检测算法平均准确率达到了70.5%，有效改善了复杂背景下的行人检测效果，同时实现了网络的轻量化。

引用

页码：25 / 32+38 +38

页数：9

共 3 条

[1] ECA-Net: Efficient channel attention for deep convolutional neural networks.[J].Wang Q.;Wu B.;Zhu P.;Li P.;Zuo W.;Hu Q..Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition.2020,
[2] Squeeze-and-Excitation Networks.[J].Hu Jie;Shen Li;Albanie Samuel;Sun Gang;Wu Enhua.IEEE Transactions on Pattern Analysis and Machine Intelligence.2019, 8
[3] You Only Look Once: Unified; Real-Time Object Detection..[J].Joseph Redmon;Santosh Kumar Divvala;Ross B. Girshick;Ali Farhadi.CoRR.2015,

← 1 →