BriefGPT - AI 论文速递
·
使用 YOLOv5 从图像和视频中进行火灾检测
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
该研究提出了一种基于YOLOv5的自定义目标检测模型，用于在户外环境中检测草莓。该模型在草莓数据集上实现了最高80.3%的平均精度，具有快速的推理速度和适用于实时草莓检测和定位的充足网络参数。
🎯
关键要点
- 该研究提出了一种基于YOLOv5的自定义目标检测模型，用于户外草莓检测。
- 修改了YOLOv5s的原始架构，替换C3模块为C2f模块，以改善特征梯度流。
- 结合空间金字塔池化和Cross Stage Partial Net，提高了模型在草莓数据集上的泛化能力。
- 与四个竞争检测模型比较，提出的模型实现了最高80.3%的平均精度。
- 其他模型的平均精度分别为YOLOv3-tiny 73.4%、YOLOv5s 77.8%、YOLOv5s-C2f 79.8%和YOLOv8s 79.3%。
- 该模型具有快速的推理速度，适用于实时草莓检测和定位。
➡️
