基于YOLOv5s室内目标检测轻量化改进算法研究

来源：计算机工程与应用杂志2024年第3期北京时间：

作者：牛鑫宇, 毛鹏军, 段云涛, 娄晓恒

单位：河南科技大学 机电工程学院，河南 洛阳 471003

摘要：针对现有室内目标检测算法，存在结构复杂，计算量以及模型参数量过大等问题，难以部署到计算能力有限的室内机器人平台，实现高效的目标检测。为解决这一问题，提出了一种改进的YOLOV5s轻量化检测算法。该方法采用ShuffleNetv2作为主干特征提取网络，并且在改进的主干网络基础上采用CA注意力机制，同时在颈部网络中采用GSConv和VOV-GSCSP模块。最后引入边框回归损失函数EIOU加快网络收敛。研究结果表明，改进后的目标检测算法，模型计算量减少了68.75%，模型参数量减少了62.2%，权重文件减少了59.7%，平均精确率mAP均值为0.653，改进后的目标检测模型能够在保证轻量化的同时保证检测精度。

关键词：YOLOv5s,轻量化,ShuffleNetv2网络,CA注意力机制,GSConv模块,VOV-GSCSP模块,EIOU损失函数