本科毕设论文（YOLOV5+注意力机制）

本科毕设论文（YOLOV5+注意力机制）

摘要

在人们所熟知的领域计算机视觉中，最为广泛流传的目标检测近些年发展迅速，它能够为如今的生活带来很多的便利，改善人类的生产生活，目标检测的应用可谓十分广泛，大大小小的应用都可在现实生活中见到，如上下班的智能门禁、智能人脸识别、行人检测、购物时商品检测以及垃圾分类时垃圾检测以避免误分类现象等。一般来说，目标检测涉及两个方面，一是目标的定位，二是目标的类别名称标注。由于人工智能以及近年来硬件计算能力的发展，在卷积神经网络基础上进行深度学习的研究也随之不断发展。然而，就目前的发展状况来看，目标检测仍有一部分的问题，最主要在检测准确率和检测速度方面有所体现。由此看来，基于Jetson开发板的目标检测系统设计尤为重要。
本次的系统设计最终在Jetson开发板上进行实现验证，了解了Jetson Xavier NX构成模块，采用基于深度学习的算法，研究了卷积神经网络的相关知识，采用Python语言进行编程，对比目前热门的几种算法，对比它们的优缺点，在YOLOV5的算法基础上进行改进，在数据预处理部分改进了数据增强，设计了一个注意力机制来提高算法精度，完成训练和测试的阶段，最终在Jetson开发板上实现目标检测，当人物及物品进入摄像头范围之内时，在显示器的窗口中对人物及物体进行框选定位，同时标注品类名，实现定位框跟随物体的移动而移动，结果表明，本系统的识别准确率在百分之九十左右。
关键词： 目标检测；深度学习；卷积神经网络；精度