改良された小物体検出アルゴリズム CRL-YOLOv5

画像内の小さな物体を検出することは、限られたピクセル表現と十分な特徴を抽出することの難しさから、重要な課題を引き起こします。その結果、見逃しや誤検出が発生することがよくあります。これらの課題に対処し、検出精度を向上させるために、本論文では改良された小物体検出アルゴリズム CRL-YOLOv5を提案します。提案されたアプローチは、バックボーンネットワークのC3モジュールにCBAM注意機構を統合しており、小さな物体の局所化精度を向上させます。さらに、受容野ブロック（RFB）モジュールを導入してモデルの受容野を拡大し、コンテキスト情報を十分に活用します。また、ネットワークアーキテクチャは再構築され、小物体専用の追加検出層が含まれるようになり、浅い層からの深い特徴抽出が可能になります。VisDrone2019小物体データセットでテストした結果、CRL-YOLOv5はmAP50で39.2%を達成し、元のYOLOv5に比べて5.4%の改善を示し、画像内の小物体の検出精度を実質的に向上させました。