文献类型：期刊文章

作　　者：郭磊[1] 王邱龙[2] 薛伟[2] 郭济[3]

GUO Lei;WANG Qiulong;XUE Wei;GUO Ji(School of Computer Science and Engineering,University of Electronic Science and Technology of China,Chengdu 611731;School of Information Science and Engineering,Xinjiang University,Urumqi 830000;College of Finance and Economics,Xizang Minzu University,Xianyang Shanxi 712082)

机构地区：[1]电子科技大学计算机科学与工程学院,成都611731 [2]新疆大学信息科学与工程学院,乌鲁木齐830000 [3]西藏民族大学财经学院,陕西咸阳712082

出　　处：《电子科技大学学报》

基　　金：国家重点研发计划(2018YFC0831800)。

年　　份：2022

卷　　号：51

期　　号：2

起止页码：251-258

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：针对目标检测中小目标误检、漏检及特征提取能力不足等问题,提出一种基于改进YOLOv5的小目标检测算法。该算法使用Mosaic-8方法进行数据增强,通过增加一个浅层特征图、调整损失函数,来增强网络对小目标的感知能力;通过修改目标框回归公式,解决训练过程中梯度消失等问题,提升了小目标的检测精度。将改进后的算法应用在密集人群情景下的防护面具佩戴检测中,实验结果表明,相较于原始YOLOv5算法,该算法在小目标检测上具有更强的特征提取能力和更高的检测精度。

关 键 词：数据增强  深度学习  小目标检测 YOLOv5  

分 类 号：TP39]