基于注意力机制的轻量化YOLO v5s蓝莓检测算法 |
| |
引用本文: | 刘拥民,张炜,麻海志,刘原,张毅.基于注意力机制的轻量化YOLO v5s蓝莓检测算法[J].河南农业科学,2024(3):151-157. |
| |
作者姓名: | 刘拥民 张炜 麻海志 刘原 张毅 |
| |
作者单位: | 1. 中南林业科技大学计算机与信息工程学院;2. 中南林业科技大学智慧林业云研究中心 |
| |
基金项目: | 国家自然科学基金资助项目(31870532);;湖南省自然科学基金资助项目(2021JJ31163);;湖南省教育科学“十三五”规划基金资助项目(XJK20BGD048); |
| |
摘 要: | 为实现自然环境下蓝莓的精确快速检测,在YOLO v5s的基础上提出了一种结合轻量级网络和注意力机制的改进算法。首先,在主干网络和检测头的位置去除了最大目标检测层的结构,因而降低模型的参数量,增强模型对小目标的检测能力。其次,将MHSA(Multi-head self-attention,多头自注意力)替换了SPPF(Spatial pyramid pooling-fast,快速空间金字塔池化)前面的C3模块,使模型学习到更全面的特征表示,增强模型对蓝莓图像中复杂空间关系和上下文信息的理解能力。最后,在C3模块中加入了S-PSA(Sequential polarized self-attention,顺序极化自注意力),以便模型能够更好地捕捉特征图中相邻区域之间的上下文依赖关系。结果表明,改进后的YOLO v5s算法对成熟、半成熟和未成熟蓝莓的检测精度分别提升1.2、4.4、2.6百分点,平均精度提升2.7百分点,模型参数量减少76.0%。与当前主流轻量化目标检测模型相比,改进后的模型性能更加优越,能为自然环境下蓝莓采摘机器人视觉系统提供一种有效的方案。
|
关 键 词: | 蓝莓检测 YOLO v5s 轻量级网络 注意力机制 多头自注意力 |
|