面向垃圾分类场景的轻量化目标检测方案
Lightweight object detection scheme for garbage classification scenario作者机构:厦门理工学院光电与通信工程学院福建厦门361024
出 版 物:《浙江大学学报(工学版)》 (Journal of Zhejiang University:Engineering Science)
年 卷 期:2024年第58卷第1期
页 面:71-77页
核心收录:
学科分类:081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:国家自然科学基金青年资助项目(62005232) 福建省自然科学基金面上项目(2020J01294)
主 题:垃圾分类 Yolov5 深度可分离卷积 K-means++算法 Stem模块
摘 要:针对边缘端进行垃圾检测分类实时性差的问题,提出轻量化的Yolov5垃圾检测解决方案.引入Stem模块,增强模型对输入图像的特征提取能力.将backbone的C3模块进行改进,提高特征提取能力.使用深度可分离卷积替换网络中的3×3降采样卷积,实现模型轻量化.使用K-means++算法重新计算物体的锚框值,使模型在训练过程中能够更好地预测目标框的大小.通过实验研究对比可知,改进模型相比于Yolov5s模型,mAP_0.5提升了0.8%,mAP_0.5:0.95提升了3%,模型参数量减少到原来的77.9%,推理速度提升了21.9%,极大地提高了模型的检测性能.