融合Shufflenet-V2的Yolov5轻量化目标检测方法

选取目标检测领域中常见的城市道路车辆作为识别目标,针对如今日益增长的目标检测网络模型计算量与移动端设备匮乏的计算资源相冲突的问题,提出了一种将Shuffl enet-V2轻量级神经网络模型融合进Yolov5目标检测框架中的方法,修改网络头部卷积层,加入注意力机制SE-Layer层,并将激活函数修改为H-Swish函数。实验选取UA-DETRAC公开数据集,结果表明,模型大小达到了1.53 M,在同等平均准确率的模型中达到最低,为目标检测模型在计算资源有限的移动端设备中的应用与部署提供了有效的参考。