基于YOLOv4-GS检测算法的服装识别方法

作     者：田魏伟 邱卫根 张立臣 Tian Weiwei;Qiu weigen;Zhang Lichen

作者机构：广东工业大学计算机学院广州510006 

出 版 物：《现代计算机》 (Modern Computer)

年 卷 期：2022年第28卷第11期

页      面：10-17页

学科分类：0821[工学-纺织科学与工程] 08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 082104[工学-服装设计与工程] 

基　　金：国家自然科学基金资助项目(61873068) 

主　　题：服装检测 YOLOv4-GS GhostNet K-means SimAM DeepFashion2 

摘      要：针对服装检测中检测模型体积大、运算量高,难以适应后续嵌入式平台环境的需要,本文提出了一种高效的YOLOv4-GS算法,极大降低了检测模型的规模。首先对数据集使用K-means聚类方法获得初始候选框,再融合Ghost模块和SimAM注意力机制组成GS模块,然后利用GS模块重构YOLOv4网络得到更轻量、更高效的YOLOv4-GS模型。实验结果表明:对比原生YOLOv4网络,在DeepFashion2数据集和相同环境下,YOLOv4-GS模型骨干网络浮点运算量减少48.33%,参数量减少49.63%,模型大小降低了33.12%,mAP达到67.8%,提升了2.1%。