基于YOLOv5s的注意力改进研究

摘要

随着时间的推进和硬件的不停发展,计算机的计算能力也得到了极大的提升,相应地,以算力为支持的深度学习也得到了飞速发展。作为深度学习的一个分支,目标检测算法的研究愈显突出。针对算法落地以及实时检测的要求,提出了基于YOLOv5s的注意力改进,在相同实验环境下,以不同的改进条件,将同一数据集输入给YOLOv5s训练和测试,通过tensorboard可视化结果得出,所提出的改进对YOLOv5s的准确率、召回率以及mAP有明显提升,对满足实际需求更近一步。