基于双重环境感知特征金字塔的轻量化牲畜目标检测方法

本发明公开了一种基于双重环境感知特征金字塔的轻量化牲畜目标检测方法。首先，以YOLOv5s为基础网络，引入GhostNet来轻量化YOLOv5s中的卷积模块和C3模块，以减少模型参数量和计算量；其次，设计双重环境感知特征金字塔网络(DA‑FPN)，优化原YOLOv5s中的路径聚合网络(PAN)，实现多尺度特征融合，并增强特征映射中与目标相关的通道和位置信息，从而解决小目标和重叠目标的检测困难；接着，引入Focal‑EIoU损失函数，改进原YOLOv5s中的CIoU损失函数，让模型更加专注地处理难以检测识别的小目标；最后，构建基于DIoU‑NMS后处理模块的候选框选择策略，进一步优化重叠目标的检测准确性。本发明方法不仅具备轻量化优势，还具备良好的准确性和泛化性，能有效满足实际应用场景下牲畜目标检测需求。