基于YOLOv5的小目标检测

提出一种多感受野特征提取和融合的Yolov5算法。采用不同卷积核来增大感受野，同时通过注意力机制，调整不同感受野在提取特征时的重要性，以便于检测出多种尺寸的目标。在传统特征金子塔的基础上融入多路扩大感受野模块，在不增加网络深度的情况下获取更大的感受野，提供更多的语义信息，同时，引入LSTM调整融合后的特征，提升网络模型的检测性能。最后结合全局的空间特征与局部小目标的空间特征，突出小目标个体的位置信息从而加强对小目标的检测能力。