基于改进YOLOv5的动物检测方法研究

针对大中型野生哺乳动物的目标检测在野外环境下检测精度不高、检测效率低、模型复杂等问题,本研究对YOLOv5n模型进行进一步轻量化。首先,采用LAMP剪枝方法对YOLOv5n进行局部剪枝,设置加速比为2。然后将YOLOv5s设为教师模型,剪枝后的YOLOv5n设为学生模型,采用特征蒸馏的知识蒸馏策略提升剪枝后模型的检测精度。在自建野生动物数据集上的实验结果显示,改进的YOLOv5n模型在减少了约52%的参数量和50%的计算复杂度的同时,mAP@0.5指标仅降低了0.2%,证明了该方法在资源效率与性能之间达到了较为理想的平衡,为此模型在边缘计算设备上的部署提供了研究支持。