基于改进YOLOv5算法的密集动态目标检测方法

目的:提出一种基于YOLOv5改进的检测算法,解决密集动态目标检测精度低及易漏检的问题。方法:在YOLOv5的主干网络中使用QARepNeXt结构提高深度学习模型训练速度;引入S^(2)-MLPv2注意力机制改善遮挡情况下检测效果差的问题;将具有动态聚焦机制的边界回归损失函数Wise-IoU替代原有损失函数提高收敛速度。结果:以密集人群场景为例,验证改进算法相较现有算法具有更高准确率、更低漏检率,保证了原算法的实时性。结论:通过替换网络结构、引入注意力机制并更新损失函数,可有效提升算法准确率,降低漏检率。