基于YOLOv5s的园林球形绿篱检测方法

在聚集遮挡等复杂园林环境下,现有的目标检测算法很难对球形绿篱进行准确检测。针对这一问题,提出一种基于YOLOv5s的算法YOLO-CBS,用于提高园林球形绿篱的检测精度。首先,将坐标注意力(CA)引入YOLOv5s的主干网络,CA不仅考虑通道间的关系还考虑特征空间的位置信息,因而能够使模型更准确地识别和定位目标绿篱;其次,用双向特征金字塔网络(BiFPN)替换路径聚合网络(PANet),以提高特征融合的效率;最后,将输出端的非极大值抑制(NMS)改为Soft-NMS,以提高对遮挡绿篱、聚集绿篱等复杂场景下的目标绿篱检测精度。典型绿篱数据集试验结果表明,与YOLOv5s算法相比,YOLO-CBS算法平均精度提高3.4%。

基于改进的CenterNet的绿篱检测算法研究

为了实现绿篱的准确、快速识别,提出了改进的CenterNet绿篱检测算法。在CenterNet的基础上提出了U型连接结构,研究了CenterNet热力图的物理意义并提出了椭圆热力图。最后,改进了原有损失函数以提高预测结果的置信度。实验结果表明:改进后的算法对于绿篱在复杂环境中的检测效果有明显提升,改进算法的平均精度(mean average precision, mAP)和F1分数分别为92.92%和83.10%,相比改进前2个指标各自分别平均提升了5.92%和9%。