公开(公告)号：CN119206183A

公开(公告)日：2024-12-27

申请号：CN202411327924.2

申请日：2024-09-23

Applicant: 南京邮电大学

Inventor： 刘浏 ,  姚中基

IPC: G06V10/25 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及目标检测技术领域，公开了一种基于YOLOv5的轻量化目标检测方法。在模型设计上，针对YOLOv5中传统的C3模块存在的特征冗余、参数量和计算量大的问题，提出多尺度高效特征重组网络MEFR‑Net(Multi‑scale Efficient Feature Rearrangement Network)替代传统C3模块。在模型的颈部网络部分，提出三输出双向加权特征融合网络TOBWF‑Net(Tri‑Output Bi‑Directional Weighted Feature Fusion Network)，不仅实现了不同层级特征间的高效协同，还通过加权特征融合WFF(Weighted Feature Fusion)动态调整融合权重，智能化地强化对关键特征的利用。实验结果表明，本专利提出的基于YOLOv5的轻量化目标检测模型在保持与原YOLOv5相当的检测性能的同时，显著降低了计算资源需求，适用于移动设备、嵌入式系统及边缘计算场景。