我们了解了一种新的卷积架构，也就是空间和通道重构卷积。并根据次提出了我们的特征提取架构C2f_S，其能够处理图像的空间和通道信息，改善了原本卷积对于图像的色彩和空间分析时不够细致和高效的问题，同时。我们将yolov5中的C3层中的bottleneck替换成了由空间和通道重构卷积所搭建的Bottleneck_ScConv，并为了减少网络参数和提高特征学习能力，我们将yolov5中的C3层按照yolov8的思想进行了优化。使得其在减少参数量的同时，能够更好地提取特征。 左图为我们改进后的检测结果，中图为gt，右图为yolov5原始网络的检测结果 由此可见模型对于图像特征的提取能力得到了增强，能够更好地针对小目标检测，针对之前训练遇到的过拟合问题，我们检查了数据集，发现数据集中很多图像的相似度非常的高，这是因为很多图像都是在视频切帧得来的，因此相似度非常的高。因此采用基于图像hash值的比较方法进行数据清洗，并重新制作了验证集和测试集。再次训练发现过拟合情况有所缓解。