2.2 YOLO 算法介绍 YOLO 系列目标检测算法是一种 one-stage 方法，可以直接在网络中提 取特征来预测物体的位置和分类，实 时性较好，能够较好满足实时检测场 景的需求。YOLOv5 是在 YOLOv4 基 础上改进的新的目标检测网络，网络 结构如图 2，检测速度和精度有了明显 的提升。为了将模型部署到算力资源有限的嵌入式平台，本文选择了占用 资源较少的YOLOv5s网络模型作为基 准模型，在其上进行模型优化。 2.3 改进的 YOLOv5-shufflenet 为了实现更高速度的推理速度和 更少的计算量，本文对 YOLOv5s 采用 了多种改进方式。YOLOv5 的主干网 络主要由 Focus、C3 和 SPP 模块组成。 在原先的 YOLOv5 主干网络中，通过 1 个 Focus 模块及 4 个 Conv 模块实现 32 倍下采样，Focus[10]负责将输入数据 切分成 4 份，相当于进行了 2 倍下采 样。Focus 层能够有效减少下采样带来 的信息损失，同时减少计算量并提升 了速度。