改进金字塔和跳跃连接的YOLOv5目标检测网络模型YOLO FS

针对YOLOv5网络模型的金字塔结构不能有效捕捉目标的跨尺度特征信息和存在梯度消失现象以及易导致目标检测精确率不高的问题，利用FPT的注意力机制有效提取目标的跨尺度特征信息。在改进的YOLO FS网络模型中，将原来的FPN和PAN结构替换为FPT并引入了新的Mish激活函数，并在FPT结构的两端加入跳跃连接。在PASCAL VOC和MS COCO数据集上的对比实验结果表明，基于YOLO FS网络的目标检测在平均检测准确率、召回率和F1值上均有明显提升。