一种基于轻量化深度学习的目标检测方法

本发明涉及一种基于轻量化深度学习的目标检测方法，属于图像识别技术领域。方法包括：通过带有色彩保护的多尺度Retinex图像增强算法对图像进行预处理，获得增强图像，并入训练集；针对小目标漏检错检的问题，将原有的20×20的检测头替换成160×160的小尺度检测头，并在原来颈部网络的基础上增加两条横向连接路径，将浅层特征与深层特征进行跨尺度融合，进一步增强特征融合能力；对改进的模型进行轻量化，构建轻量级网络MobileNetv3‑ECA作为YOLOv5s的主干网络，采用通道剪枝的方法对网络模型进行压缩，进一步减少参数量；通过本发明，可以实现在低算力的边缘计算设备上部署目标检测。