标题：基于YOLOv5的小动物目标检测算法研究
作者：汪香念 饶红霞 谢家豪
作者单位：广东工业大学自动化学院，广东 广州 510006
关键字：目标检测；注意力机制；空洞空间池化金字塔；小动物检测
摘要：针对现有变电站入侵检测算法误报率高、对小目标检测精度低等问题，提出了一种基于改进YOLOv5的变电站入侵小动物目标检测算法。将SENet通道注意力模块和卷积注意力模块（CBAM）中的激活函数改进为HardSwish函数，并在主干网络和颈部网络中分别引入改进后的SENet_H模块和CBAM_H模块；采用空洞空间池化金字塔（ASPP）对空间金字塔池化进行优化，并在检测端增加一个小目标检测层，以提高对小动物的检测精度。此外，还构建了小动物数据集，并采用9-Mosaic数据增强方式，丰富了样本目标。实验结果表明：改进后的小动物目标检测算法相较于原YOLOv5算法精确率提升了11.6%，召回率提升了10.2%，平均精度均值提升了8.1%。