基于RB-YOLO的生活垃圾实时检测算法

摘要：

生活垃圾图片背景复杂,同一类垃圾特征差异性大,给垃圾检测带来了极大的挑战.为实现复杂场景下生活垃圾的实时检测,论文提出了一种基于改进YOLOv3的生活垃圾检测算法RB-YOLO.在该垃圾检测模型中,将YOLOv3与轻量级卷积神经网络RepVGG相结合,解耦模型训练和推理,在保证特征提取能力的同时提高模型推理速度.采用加权双向特征金字塔网络BiFPN优化原有的特征金字塔结构,通过双向特征融合充分利用多尺度语义特征.同时引入空洞空间金字塔池化ASPP增强特征提取,获取多尺度特征信息.在提出的DGD数据集上进行实验分析,与YOLOv3模型相比,RB-YOLO模型在垃圾检测任务中准确率和速度都有所提升,同时在测试集和网络图片上也取得了不错的检测效果,验证了 RB-YOLO的有效性和鲁棒性.

关键词：YOLOv3算法、垃圾检测、RepVGG、BiFPN、ASPP

所属期刊栏目：11

分类号：TP391.4(计算技术、计算机技术)

资助基金：山东省高等学校青年创新团队发展计划资助项目2019KJN048

在线出版日期：2022-04-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：5-11,19