结合YOLO-FGE网络的商标检测与分类

为了解决商标样式众多、背景复杂、尺度变化大等问题,基于YOLOv5框架,提出了一种YOLO-FGE网络模型,以更精确地分辨出商标类别信息。提出一种新的特征增强模块来提升特征层对不同类型商标的适应性,使网络更多关注待检测商标的有用信息。在YOLOv5的C3模块中嵌入全局注意力模块对骨干网络和颈网络进行优化。提出了一种增强空间注意力模块,利用空洞卷积扩大感受野,并结合通道注意力和Transformer模块来提升商标检测精度。在图形类商标数据集上的实验结果表明,该模型将mAP提升至92.3%,比大多数现有方法具有更高的检测精度。