文章目录
- 摘要
- 论文《HIC-YOLOv5:改进的YOLOv5,用于小物体检测》
- 1、简介
- 2、相关工作
- 3、方法
- 4、实验结果
- 5、结论
- Yolov8官方结果
- CBAM注意力机制
- Involution内卷
-
摘要
HIC-YOLOv5主要贡献可以总结如下:
-
额外的预测头专为小物体设计。它在更高分辨率的特征图中检测物体,这些特征图包含更多关于微小和小物体的信息。
-
添加了一个内卷积块作为主干和颈部之间的桥梁,以增加特征图的通道信息。
-
在主干的末端应用了CBAM,从而提取了更多重要的通道和空间信息,同时忽略了冗余的信息。
结果表明,HIC-YOLOv5在VisDrone-2019-DET数据集上的mAP@[.5:.95]提高了6.42%,mAP@0.5提高了9.38%。
我们参照HIC-YOLOv5,将这些改进用于YoloV8,效