RE-YOLOv5检测模型

遮挡目标检测精度提升

通过可变形卷积与空洞卷积增强感受野，配合EIOU优化NMS，该模型在遮挡场景下有效减少漏检，提升密集场景检测性能。

Tianyu, Li · 熊炫睿 · Xiaolin, Fan · 张玉书 · Haihong, Huang · Mengting, He · 刘占军

Sensors 2025

参数信息

平均精度 (mAP)

82.04 %

对数平均漏检率 (MR-2)

40.31 %

技术优势

少漏检遮挡目标

EIOU优化的NMS在密集遮挡场景下不会错误抑制被遮挡物体的预测框。

感受野更大更全

空洞卷积构建的感受野增强模块能捕获多尺度上下文信息，更好理解遮挡物体与周围环境的关系。

提取不规则特征

可变形卷积能高效提取遮挡场景中物体形变、截断等不规则特征。

应用场景

• 自动驾驶感知：提升自动驾驶对密集遮挡目标的感知能力，减少漏检。
• 工业机器人视觉：为工业机器人提供更可靠的遮挡场景检测，降低误判。
• 机器人环境感知：帮助机器人在复杂环境中更好理解遮挡物与周围关系。
• 无人机目标检测：提升无人机在低空复杂场景下对遮挡目标的检测性能。