当前位置>主页 > 期刊在线 > 计算机技术 >

计算机技术22年11期

基于 YOLOv5 的公共场景宠物犬牵绳检测
耿帅帅,廖涛,刘唤唤
(安徽理工大学 计算机科学与工程学院,安徽 淮南 232001)

摘  要:针对公共场景下人们带宠物犬散步不牵绳而导致其袭击行人的问题,提出了一种基于 YOLOv5 的改进模型来提升对宠物犬检测的效果。以传统的 YOLOv5 检测模型为基础对其进行改进,结合坐标注意力模块 SE,解决了模型对次要信息过度关注的问题,模型的精度得到提升。实验结果表明改进模型在自制数据集的平均精度得到提升,有效证明了该算法的有效性。


关键词:宠物犬;注意力机制;SENet;YOLOv5



DOI:10.19850/j.cnki.2096-4706.2022.011.025


基金项目: 安徽省教育厅科研项目(KJ2017A085)


中图分类号:TP391.4                                      文献标识码:A                               文章编号:2096-4706(2022)11-0099-04


Public Scene Pet Dog Leash Detection Based on YOLOv5

GENG Shuaishuai, LIAO Tao, LIU Huanhuan

(School of Computer Science and Engineering, Anhui University of Science and Technology, Huainan 232001, China)

Abstract: In view of the problem that people walk with pet dogs without ropes in public environment and it leads to them attack pedestrians, this paper proposes an improved model based on YOLOv5 to improve the detection effect of pet dogs. Based on the traditional YOLOv5 detection model, this paper improves it and combines with the coordinate attention module SE, solves the problem that the model pays too much attention to the secondary information, and improves the accuracy of the model. Experimental results show that the average accuracy of improved model is improved in the self-made data set, which effectively proves the effectiveness of the algorithm.

Keywords: pet dog; attention mechanism; SENet; YOLOv5 


参考文献:

[1] LIU W,ANGUELOV D,ERHAN D,et al.SSD:Single Shot MultiBox Detector [C]//ECCV 2016.Berlin:Springer International Publishing AG,2016,I:21-37.

[2] REN S Q,HE K M,GIRSHICK R,et al.Faster R-CNN:Towards Real-Time Object Detection with Region Proposal Networks [J].IEEE Transactions on Pattern Analysis & Machine Intelligence,2017,39(6):1137-1149.

[3] 杨蜀秦,刘杨启航,王振,等 . 基于融合坐标信息的改进YOLO V4 模型识别奶牛面部 [J]. 农业工程学报,2021,37(15):129-135.

[4] 权龙哲,夏福霖,姜伟,等 . 基于 YOLO v4 卷积神经网络的农田苗草识别研究 [J]. 东北农业大学学报,2021,52(7):89-98.

[5] 陈传华,侯志强,余旺盛,等 . 基于 SSD 的改进目标精定位检测算法 [J]. 空军工程大学学报(自然科学版),2018,19(6):73-78.

[6] 刘芳,刘玉坤,林森,等 . 基于改进型 YOLO 的复杂环境下番茄果实快速识别方法 [J]. 农业机械学报,2020,51(6):229-237.


作者简介:耿帅帅(1998—),男,汉族,安徽淮南人,硕士研究生,研究方向:目标检测;廖涛(1977—),男,汉族,安徽淮南人,副教授,博士研究生,研究方向:人工智能,数据挖掘;刘唤唤(1984—),女,汉族,山西临县人,讲师,博士研究生,研究方向:光学纳米传感器、数据挖掘、目标检测。