YOLOv5目标检测的轻量化研究

来源：计算机工程与应用杂志2023年第1期北京时间：

作者：何雨, 田军委, 张震, 王沁, 赵鹏

单位：西安工业大学 机电工程学院，西安 710021

摘要：现有目标检测算法通常存在体积较大、结构复杂等问题，致使室内机器人作业过程中识别速率与精度较差。针对这一问题，以室内目标检测为基础，提出了一种改进的YOLOv5s轻量化检测方法。该方法主要是在YOLOv5s网络的基础上引入ShuffleNet v2特征提取机制来实现网络的轻量化，同时采用加权双向特征金字塔BiFPN和边框回归损失EIOU获取特征信息更为丰富的特征图，来提升目标检测精度，从而得到一种新的室内目标检测模型。研究结果表明，改进后的模型参数量明显减少，模型复杂度减少了46%，平均精确率均值mAP提升到63.9%，实现了轻量化和检测准确率的平衡，该研究为目标轻量化研究提供了参考。

关键词：目标检测,YOLOv5s,ShuffleNetv2,轻量化,边框回归损失EIOU