提出了一种新的全局上下文增强自适应稀疏卷积网络（CEASC）。该算法首先利用全局背景统计量代替稀疏采样特征统计量，构建了背景增强的组归一化（CE-GN）层，然后设计了一种自适应的多层掩膜策略，在不同尺度下生成最优的掩膜比例，以获得更紧凑的前景覆盖，提高了算法的准确性和效率。

Yolov5是一种高效、准确的目标检测算法，它在模型结构和训练策略上进行了改进并取得了很好的性能。它已经成为目标检测领域的研究热点，并得到了广泛的应用和推广。