控制与决策

作者：刘建骐,闫河,王潇棠,李梦雪

单位：重庆理工大学 两江人工智能学院,重庆 401135,,重庆理工大学 两江人工智能学院,重庆 401135,,重庆理工大学 两江人工智能学院,重庆 401135,,重庆理工大学 两江人工智能学院,重庆 401135,

关键词：目标检测;YOLOv5;FPT;跳跃连接;Mish激活函数

基金：国家重点研发计划“智能机器人”重点专项项目(2018YFB1308602)；国家自然科学基金面上项目(61173184)；重庆市自然科学基金项目(cstc2018jcyjA2328,cstc2018jcyjAX0694).

针对YOLOv5网络模型的金字塔结构不能有效捕捉目标的跨尺度特征信息和存在梯度消失现象以及易导致目标检测精确率不高的问题,利用FPT(feature pyramid transformer)的注意力机制有效提取目标的跨尺度特征信息,把原YOLOv5网络模型中的FPN(feature pyramid network)和PAN(path aggregation network)结构替换为FPT,在FPT结构的两端加入跳跃连接(skip connection)并引入新的Mish激活函数,从而提出一种改进金字塔和跳跃连接的YOLOv5目标检测网络模型YOLO FS.在PASCAL VOC和MS COCO数据集上的对比实验结果表明,基于YOLO FS网络的目标检测在平均检测准确率、召回率和F1值上均有明显提升.

来源：2023年第6期

《控制与决策》期刊编辑部

查看控制与决策杂志2023年第6期