[发明专利]一种基于改进YOLOv5的轻量化目标检测方法

权利要求书

1.一种基于改进YOLOv5的轻量化目标检测方法，其特征在于，包括以下步骤：

步骤一：处理数据集，将数据集的train+val部分作为训练集，将数据集的test部分作为测试集；

步骤二：构建改进的YOLOv5网络模型；

步骤三：对步骤二得到的改进YOLOv5模型进行训练，在测试集上得到评价指标；

步骤四：将训练好的网络模型部署到嵌入式设备，输入待检测图像，训练好的网络模型将检测得到的目标用外接矩形框标记，并显示其类别。

2.根据权利要求1所述的基于改进YOLOv5的轻量化目标检测方法，其特征在于，所述步骤二具体包括以下步骤：

步骤1)设置不同压缩比的Ghostconv模块；

构建一条卷积核大小为1×1的卷积支路，输入通道数为上一层输出的通道数，输出通道数为该层总输出通道数除以压缩比值；

构建一条卷积核大小为5×5的卷积支路，输入通道数为该层总输出通道数除以压缩比值，输出通道数为总输出通道数减去另一条支路输出通道数，当压缩比值为2时group参数设为1，当压缩比值为4时group参数设为4；

将两条支路的输出进行拼接作为下一层的输入；

将模型中除第一层以外的Conv层替换为压缩比值为2的Ghostconv层与压缩比值为4的Ghostconv2层；

式(1)中c2为最终输出的通道数；cmi为进行一般卷积的通道数，nc为进行廉价卷积的通道数，ceil表示向上取整操作，ratio表示压缩比值；在原生网络的backbone和neck中分别采用ratio＝2和ratio＝4的比例进行传统卷积生成的特征图和廉价操作生成的特征图的拼接；

步骤2)将原生网络backbone的第四层设置为LCFI模块；

步骤3)将原生网络backbone的第九层和第十二层设置为坐标注意力机制模块；

步骤4)使用图像平移、缩放、翻转，图像HSV值增强方法进行数据增强。

3.根据权利要求2所述的基于改进YOLOv5的轻量化目标检测方法，其特征在于，所述步骤3)LCFI模块数学描述如下：

式(2)中F表示输入特征，conv_h和conv_v分别表示卷积核大小为1×k的水平卷积和卷积核大小为k×1的垂直卷积，表示批处理归一化和ReLU运算，F_c表示提取的大视野上下文特征。

4.根据权利要求2所述的基于改进YOLOv5的轻量化目标检测方法，其特征在于，坐标注意力机制模块数学描述如下：

其中，O_c(i，j)代表最终的输出，I_c(i，j)代表坐标信息嵌入处理后的输出，和分别代表两个方向上生成的协调注意力参数。