基于動態(tài)深度可分離卷積的小目標(biāo)檢測模型

打開文本圖片集

摘要：針對普通卷積模型無法滿足小目標(biāo)檢測中更加有效的圖像特征提取的需求，提出一種基于動態(tài)深度可分離卷積方法改進(jìn)的YOLOv5輕量化目標(biāo)檢測模型。模型結(jié)合動態(tài)深度可分離卷積，通過4個不同的檢測尺度對多層目標(biāo)特征進(jìn)行深度融合；在參數(shù)量和計算量都明顯減少的情況下，改進(jìn)后的模型性能效果提升顯著。在公開數(shù)據(jù)集VOC上的實(shí)驗(yàn)顯示，改進(jìn)的模型DD-YOLO，在輕量級下比YOLOv5模型的性能提升1.7% AP，最佳性能AP50為89.2%，AP為71.2%。（剩余5138字）