基于改進(jìn)的YOLO v5s算法多尺度包裹檢測方法

打開文本圖片集

摘要：為了解決常規(guī)目標(biāo)檢測算法無法有效識別像素大、特征少的灰度目標(biāo)的問題，本文基于改進(jìn)YOLO v5s模型的包裹與條形碼檢測方法，將卷積池化金字塔模塊更新，增加大尺度目標(biāo)的感受野；在特定卷積層中添加卷積注意力機(jī)制模塊，沿著通道維度和空間維度依次推斷注意力圖，對輸入特征圖進(jìn)行自適應(yīng)優(yōu)化。實驗結(jié)果表明，CA-YOLO v5模型成功解決了YOLO v5s模型無法有效識別大尺度灰度目標(biāo)的問題，大尺度包裹的識別準(zhǔn)確率提高34%，提升效果明顯。（剩余10260字）