基于YOLOv5的行人检测方法研究

将YOLOv5算法应用于行人检测的实验研究。首先,在YOLO网络的输入端对数据集图像Mosaic数据增强、自适应缩放、自适应锚框计算,并利用创新的Focus结构对图像进行切片操作,增加其维度。然后,在Neck部分采用FPN+PAN结构进行卷积操作,加强网络特征融合的能力。最后,在输出端利用GIOU_Loss函数优化网络参数,加速模型收敛。实验结果分析可知,基于YOLOv5的行人检测方法准确率更高,速度更快。

轻量化的PCB表面缺陷检测算法

针对印刷电路板(PCB)表面缺陷检测存在的速度低和准确率不高等问题,提出了一种基于改进YOLOv4-tiny模型的PCB表面缺陷检测算法。首先,采用了优化后的聚类方法对缺陷数据集进行聚类,以解决初始先验框不适合PCB表面缺陷检测的问题;其次,为了解决主干网络在下采样时可能丢失小尺度目标信息的问题,引入了切片操作;接着,在特征融合网络中,引入了软池化卷积结构,以提高模型感受野,增强对小目标特征的表达能力;最后,通过引入改进后的交叉熵损失函数优化了损失函数。在北京大学开源的印刷电路板缺陷数据集上验证了所提算法的效果,结果表明,相较于其他经典算法,所提算法在检测速度、精度和模型参数量等指标上都有较大的提升。