Algoritmo aprimorado de detecção de pequenos objetos baseado no YOLOv5

Para abordar as questões de variações significativas na escala dos alvos e informação de características insuficiente em cenários rodoviários, um modelo aprimorado chamado SC-YOLO baseado no algoritmo YOLOv5s é proposto. O modelo utiliza o Bloco Swin Transformer para expandir o campo receptivo e fortalecer a capacidade de extração de características. Aproveitando o Bloco ConvNeXt, o modelo promove a fusão de informações de características para mitigar detecções perdidas e falsos positivos. A avaliação experimental no conjunto de dados de objetos de tráfego KITTI demonstra que o modelo aprimorado apresenta melhorias notáveis em termos de mAP@50%, precisão e taxa de revocação, com melhorias de 6,2%, 8,5% e 4,8%, respectivamente, em comparação com o algoritmo original. Esses resultados confirmam a eficácia do modelo aprimorado em melhorar o desempenho de detecção de pequenos alvos em cenários rodoviários complexos.