基于改进YOLOv5n的轻量化海产生物目标检测

对于海产生物科考与捕捞等行业,在海上远洋的船只在利用水下机器人进行海产生物的捕捞与识别时,由于通信带宽受限,计算资源有限,而采用轻量化网络模型可以更好地适应这样的条件。为此,提出了一种改进YOLOv5n的海产生物目标检测模型。首先,引入高效的轻量化卷积模块(Group Shuffle Convolution,Gsconv),对模型主体进行缩减;然后改进损失函数,引用α-giou损失函数进行优化,提升预测框回归精度;再引L1-norm正则化剪枝,裁剪不必要的通道以及相关的卷积核;最后采用L2知识蒸馏,将模型精度调整到接近剪枝前的水平。结果显示,与原有基线模型YOLOv5n相比,改进后的模型计算量下降了53%,参数量下降了51%。所提出的改进算法在保持模型性能的同时保证了轻量化处理的有效性。