基于改進ＹＯＬＯｖ５ｓ 的水面漂浮物檢測算法研究

打開文本圖片集

摘 要：水面圖像具有水波擾動、光線反射、岸上倒影等復(fù)雜特征，導(dǎo)致現(xiàn)有目標檢測方法不能很好地完成對水面漂浮物的識別。基于此，提出了一種基于改進ＹＯＬＯｖ５ｓ 的水面漂浮物檢測優(yōu)化模型，通過增加目標檢測層以提升模型檢測多尺度目標的能力，在特征融合層引入無參注意力機制ＳｉｍＡＭ 以提高模型對漂浮物特征的學(xué)習(xí)，并采用ＣＡＲＡＦＥ 上采樣方式增強網(wǎng)絡(luò)的感受野以提高對特征的重建能力，在ＹＯＬＯｖ５ｓ 網(wǎng)絡(luò)結(jié)構(gòu)中融入卷積混合層以保持模型檢測精度且減少參數(shù)量，從而提高模型運行速度。（剩余907字）