关键词:
轻量化检测模型
桃树叶病害检测
Ghost
SimAM注意力机制
轻量化神经网络
YOLO v5
摘要:
针对当前桃树叶片病害检测存在精度低、漏检和误检的问题,以及将网络部署到移动端后由于参数量和计算量过大而导致检测速度慢的问题,提出以YOLO v5网络为基础的一系列改进方法。首先,使用EIoU边界框回归损失函数加快预测框收敛过程,使得模型训练和推理过程更加高效;然后,引入SimAM注意力机制,在不增加额外的参数量和计算量的基础上提升网络检测精度;最后,引入GhostNet网络,该网络的核心Ghost模块将原始卷积层分成2个部分,然后使用较少的卷积核生成内在特征映射,继而通过廉价的线性运算生成Ghost特征图,这一设计在保证整体网络精度的情况下,明显降低网络的参数量、计算量和权重大小。结果表明,改进后的YOLO v5s网络的所有评价指标远优于YOLO v3、YOLO v4、YOLOX、CenterNet等网络,相较于基准YOLO v5s,平均检测精度提升了3.6百分点,达到了94.8%,参数量下降了47.6%,GFLOPs减少了49.4%,权重压缩了45.5%,检测速度达到96帧/s。综上,改进后的YOLO v5s网络检测精度更高,且整体的参数量、计算量以及模型权重更小,更适应移动端和物联网设备的实时检测需求。