一种基于改进YOLOv5与后处理优化的高精度目标检测方法及系统

本发明属于安防检测领域，具体涉及一种基于改进YOLOv5与后处理优化的高精度目标检测方法，其特征在于，首先对YOLOv5的模型架构中Neck部分引入自适应特征融合，动态调整不同尺度的特征图权重，然后再训练过程中，根据目标的大小与遮挡程度动态调整置信度损失权重，让模型对困难样本的输出置信度更准确；最后基于目标上下文信息的后处理方法，利用目标周围的上下文信息优化NMS的结果，达到减少重叠目标的误抑制目的。本发明通过引入自适应特征融合模块(AFFM)通过动态调整不同尺度特征图的权重，解决静态特征融合对多尺度目标适配性差的问题，增强对小目标及形变目标的特征提取能力。