改进YOLOv5网络的鱼眼图像目标检测算法

来源：计算机工程与应用杂志2023年第6期北京时间：

作者：吕晓玲, 杨胜月, 张明路, 梁明, 王俊超

单位：1.河北工业大学 机械工程学院，天津 300400；2.河北工业大学 人工智能与数据科学学院，天津 300400

摘要：针对目标检测算法应用在鱼眼图像数据集上检测精准率低、算法实时性差等问题，提出了在化工场景下利用改进网络YOLOv5进行鱼眼图像中的目标检测算法。由于无公开化工场景鱼眼图像数据集，提出了利用不同类型图像间像素点的坐标关系，将数据集转换为同鱼眼图像具有相同畸变效果的图像。为消除鱼眼图像中有效区域外的冗余信息，将线扫描算法应用到YOLOv5s数据预处理阶段。为在缩减模型的同时保证算法的检测精准率，提出了采用注意力机制scSE和空洞卷积来改进轻量级网络ShuffleNetV2，并利用改进后的轻量级网络代替原YOLOv5s中主特征提取网络。实验结果表明，在实验设置相同的条件下，改进后的算法在模型从27.4?MB缩减到14.2 MB的情况下，检测精准率从97.86%提高到98.46%。

关键词：深度学习,目标检测,鱼眼图像,ShuffleNetV2,scSE,YOLOv5