引入注意力机制的改进型YOLOv5网络研究
打开文本图片集
摘 要：为了提升复杂多尺度目标检测任务下的分类及定位准确度，在基准的YOLOv5目标检测算法基础上，设计了四组引入注意力机制模块的改进型YOLOv5网络，并在变电站内复杂多尺度检测场景数据集上进行对比实验。实验结果表明，相较于基准YOLOv5网络，SwinTrans-YOLOv5网络的mAP指标提升达9.0%，但模型运算量高达1，061.6 GFLOPS（每秒千兆次浮点运算）；CA-YOLOv5网络的mAP指标提升也达到4.1%，模型运算量仅需115.8 GFLOPS。（剩余8600字）
