基于改进YOLO v5s的轻量化植物识别模型研究 |
您所在的位置:网站首页 › 深度识别模型的轻量化应用 › 基于改进YOLO v5s的轻量化植物识别模型研究 |
来自
掌桥科研
喜欢
0
阅读量: 82 作者: 马宏兴,董凯兵,王英菲,魏淑花,黄文广,苟建平 展开 摘要: 为方便调查宁夏全区荒漠草原植物种类及其分布,需对植物识别方法进行研究.针对YOLO v5s模型参数量大,对复杂背景下的植物不易识别等问题,提出一种复杂背景下植物目标识别轻量化模型YOLO v5s-CBD.改进模型YOLO v5s-CBD在特征提取网络中引入带有Transformer模块的主干网络BoTNet(Bottleneck transformer network),使卷积和自注意力相结合,提高模型的感受野;同时在特征提取网络融入坐标注意力(Coordinate attention,CA),有效捕获通道和位置的关系,提高模型的特征提取能力;引入SIoU函数计算回归损失,解决预测框与真实框不匹配问题;使用深度可分离卷积(Depthwise separable convolution,DSC)减小模型内存占用量.实验结果表明,YOLO v5s-CBD模型在单块Nvidia GTX A5000 GPU单幅图像推理时间仅为8 ms,模型内存占用量为8.9 MB,精确率P为95.1%,召回率R为92.9%,综合评价指标F1值为94.0%,平均精度均值(mAP)为95.7%,在VOC数据集平均精度均值可达80.09%.相比YOLO v3-tiny,YOLO v4-tiny和YOLO v5s,改进模型内存占用量减小,平均精度均值提升.模型YOLO v5s-CBD在公开数据集和宁夏荒漠草原植物数据集都有良好的鲁棒性,推理速度更快,且易于部署,已应用在宁夏荒漠草原移动端植物图像识别APP和定点生态信息观测平台,可用来调查宁夏全区荒漠草原植物种类和分布,长期观测和跟踪宁夏盐池县大水坑,黄记场,麻黄山等地植物生态信息. 展开 关键词: 植物识别 YOLO v5s BoTNet 坐标注意力 深度可分离卷积 轻量化 年份: 2023 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |