来源：期刊VIP网 时间：
作者：胡文浩;司占军;石金玉;杨可;
单位：天津科技大学人工智能学院;
摘要：内河漂浮垃圾的检测对水环境保护至关重要。针对传统清理方法效率低下和小目标检测困难的问题，本研究提出了一种改进的YOLOv5目标检测模型。为了提高模型对小目标的敏感性及减少冗余信息的影响，本研究引入双层路由注意力机制，并在主干网络中嵌入该模块。此外，模型中增加了多尺度检测头，通过多尺度特征提取和检测，更全面地覆盖不同尺寸的漂浮垃圾。同时，采用Focal-EIoU损失函数来优化模型参数，提高检测的定位精度。在FloW＿Img数据集上的实验结果表明，改进的YOLOv5模型的准确性和召回率更佳，mAP达到86.12%，与原始YOLOv5模型相比有显著提升，且收敛速度更快，检测效果更好。
关键词：漂浮垃圾;;YOLOv5;;注意力机制;;多尺度检测;;Focal-EIoU
