[发明专利]一种基于改进YOLOv5模型的小目标检测方法

权利要求书

1.一种基于改进YOLOv5模型的小目标检测方法，其特征在于：

包括以下步骤：

步骤S1、构建改进的YOLOv5模型，采集用于小目标检测的数据，制作YOLO标签格式的图像数据集；

步骤S2、将图像数据集输入到网络进行数据增强；

步骤S3、图像数据集进行数据增强后输入特征提取网络，特征提取的主干网络采用改进的CSPDarkNet，其中在原始YOLOv5的主干网络中删除了Focus结构，五层网络结构分别由下采样条件卷积层、SPP模块和条件残差单元Res unit组成，分别从第三、四、五层得到三种不同尺度的特征图；

步骤S4、将步骤S3得到的特征图传输到目标检测网络的颈部，颈部结构采用基于CCSP2网络结构的FPN+PAN特征融合网络，通过自顶向下和自底向上两种方式进行特征融合，最终得到三种不同尺度的强化特征图；

步骤S5、将步骤4得到的强化特征图输入到目标检测网络的头部，三种强化特征图分别再做一次条件卷积，进一步筛选并加强与特定类相关的特征，最终得到三种不同尺度的预测特征图；预测先验框由数据集聚类动态获得，预测网络通过非极大抑制输出最终预选框并映射为原图大小，最终得到目标物体的检测结果。

2.根据权利要求1所述的基于改进YOLOv5模型的小目标检测方法，其特征在于：所述步骤S1中构建改进的YOLOv5模型的方法包括以下步骤：

S11、构建通道-空间并行的注意力机制模块；

S12、将注意力模块添加至对应网络层中；

S13、将主干网络CSPDarknet的21层输出的160x160尺寸的特征图与网络的第2层特征图进行concat操作，作为第4个检测头的输入模块。

3.根据权利要求1所述的基于改进YOLOv5模型的小目标检测方法，其特征在于：步骤S2中的数据增强采用4张图像随机缩放、随机裁剪、随机排列的方式进行拼接。

4.根据权利要求1所述的基于改进YOLOv5模型的小目标检测方法，其特征在于：所述步骤S11包括以下步骤：

步骤S111、注意力机制模块对特征图中的二维空间特征进行特征增强；

步骤S112、注意力模块对拼接特征图中的一维通道特征进行特征增强。