基于改进YOLOv5s的无人机航拍小目标检测算法研究

目前,无人机航拍目标检测技术在军事和民用领域得到广泛的应用,但复杂场景中小目标密集,易出现误检和漏检的情况。为此,文章提出一种基于改进YOLOv5s的无人机航拍小目标检测算法,用分组卷积取代两个普通卷积,用解耦检测头取代耦合检测头,去除了原始算法中的P5检测头,在PANet结构中增加一层新的P2检测头。仿真结果表明,改进算法具有较好的检测效果,mAP50较原始算法提高了9.3%,同时能够满足无人机实时性检测需求。

基于YOLOv5改进的小目标检测算法研究

为解决无人机捕获场景中小目标检测存在的检测精度不高和漏检问题,提出基于YOLOv5改进的小目标检测算法DE_YOLOv5。DE_YOLOv5的数据集采用VisDrone2019。实验包括两个方面,一是引入解耦合头机制,通过独立的中心点预测减小感受野限制对小目标定位的影响,初始模型的mAP@0.5为0.334,加入解耦合头之后mAP@0.5值为0.344。二是将损失函数更换为Focal-EIoU,更换损失函数之后mAP@0.5值为0.351。实验结果表明,DE_YOLOv5可有效提升小目标的检测精度。

基于Aprior算法的学生就业画像研究

基于校园行为数据的教育数据挖掘可以很好地解释学生的就业选择,为解决大学生就业问题提供参考。以某大学6000余名本科生为研究对象,首先采集并分析学生的基本信息与在校行为数据,构建了学生标签体系;其次,通过Aprior关联规则挖掘不同毕业去向与学生标签之间的内在关系,生成升学类、国有企业类、出国出境类和三资企业类学生的就业画像。研究结果表明,不同就业去向的学生存在学业成绩、基本信息、行为规律性等方面的显著差异,为高校的就业指导和管理工作提供了参考。