基于注意力机制的轻量化YOLO v5s蓝莓检测算法
刘拥民1
张炜1
麻海志1
刘原1
张毅2
1.中南林业科技大学 计算机与信息工程学院,湖南 长沙 410004;中南林业科技大学 智慧林业云研究中心,湖南 长沙 4100042.中南林业科技大学 计算机与信息工程学院,湖南 长沙 410004
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
分类号：S126(农业物理学)S663(果树园艺)
资助基金：国家自然科学基金(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)
论文发表日期：2024-03-15
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：7( 151-157 )
英文信息