基于改进YOLOv5s汽车驾舱遗忘物检测

来源：计算机测量与控制杂志2024年第9期北京时间：

作者：吴继薇,焦良葆,焦波,祝阳,高 阳

单位：南京工程学院

摘要：针对目前汽车驾舱内遗忘物检测精度不高的问题,提出一种基于改进的YOLOv5s汽车驾舱遗忘物的检测方法。该检测方法将YOLOv5s作为基础网络,在此基础上进行改进。首先在主干网络的尾部引入SE注意力模块,加强模型对通道信息的关注提升目标检测性能；其次改进空间金字塔池化模块,将原有的SPPF模块改进为SPPCSPC模块,通过增加一点计算量来进一步提升检测模型的精度；最后同时引入GSConv层,S能够缓解DSC(深度可分离卷积)的缺陷,并充分利用DSC的优势,在小目标检测方面取得明显的提升效果,既保证了语义信息又平衡了模型的准确性,也提升了检测速度。通过训练结果说明,改进后的网络与原YOLOv5s网络相比,其平均精度均值mAP提高了2%,查准率提升了3.5%。改进后的网络具有良好的提升效果,表明了该方法的有效性。

关键词：遗忘物;YOLOv5s;注意力机制;SE;GSConv;SPPCSPC;

基金资助：江苏省自然科学基金资助项目(BK20201042)；江苏省政策引导类计划项目(SZ-SQ2020007)