MCF-YOLOv5: एक छोटा लक्ष्य पहचान एल्गोरिदम जो मल्टी-स्केल फीचर फ्यूजन पर आधारित सुधारित YOLOv5 है

हाल के वर्षों में, कई गहरे शिक्षण आधारित वस्तु पहचान विधियों ने विभिन्न अनुप्रयोगों में अच्छा प्रदर्शन किया है, विशेष रूप से बड़े पैमाने पर वस्तु पहचान में। हालांकि, छोटे लक्ष्यों की पहचान करते समय, पिछले वस्तु पहचान एल्गोरिदम छोटे लक्ष्यों की विशेषताओं के कारण अच्छे परिणाम प्राप्त नहीं कर सकते। उपरोक्त समस्याओं को हल करने के लिए, हम छोटे वस्तु एल्गोरिदम मॉडल MCF-YOLOv5 का प्रस्ताव करते हैं, जो YOLOv5 के आधार पर तीन सुधारों से गुज़रा है। पहले, एक डेटा संवर्धन रणनीति जो Mixup और Mosaic को जोड़ती है, चित्र में छोटे लक्ष्यों की संख्या बढ़ाने और पहचान में शोर और परिवर्तनों के हस्तक्षेप को कम करने के लिए उपयोग की जाती है। दूसरे, छोटे लक्ष्यों की स्थिति को सटीक रूप से स्थानांतरित करने और चित्र में छोटे लक्ष्यों पर अप्रासंगिक जानकारी के प्रभाव को कम करने के लिए, YOLOv5 के नेक नेटवर्क में ध्यान तंत्र समन्वय ध्यान को पेश किया गया है। अंत में, हम फीचर पिरामिड नेटवर्क (FPN) संरचना में सुधार करते हैं और छोटे लक्ष्यों की पहचान करने के लिए एक परत जोड़ते हैं ताकि छोटे वस्तुओं की फीचर निकालने की क्षमता को बढ़ाया जा सके और छोटे लक्ष्यों की पहचान सटीकता में सुधार किया जा सके। प्रयोगात्मक परिणाम यह दिखाते हैं कि, गणनात्मक जटिलता में थोड़ी वृद्धि के साथ, प्रस्तावित MCF-YOLOv5 VisDrone2021 डेटासेट और Tsinghua Tencent100K डेटासेट दोनों पर बासलाइन की तुलना में बेहतर प्रदर्शन प्राप्त करता है। YOLOv5 की तुलना में, MCF-YOLOv5 ने क्रमशः 3.3% और 3.6% की वृद्धि की है।