基于改进YOLOX的轻量型垃圾分类检测方法

摘要：

生活垃圾分类是保护生态环境、促进绿色和谐发展的有效措施.针对移动端设备计算资源和内存有限,重量级模型难以嵌入等问题,本文提出一种基于改进YOLOX-tiny轻量型的垃圾分类检测方法.首先,使用EIoU替换原来的IoU损失函数,能加速收敛,提升检测精度;其次,在颈部网络引入注意力机制CBAM,对不同通道的权重重新分配,获取更多浅层的细粒度特征和深层的语义信息;最后,使用GhostBottleneck模块替换特征提取网络中的CSP模块,保留更多边缘信息,同时降低参数量,使模型轻量化.在华为云垃圾数据集上的实验结果表明,改进的算法与YOLOX-tiny相比,参数量降低至原来的87.97％,精度提升了0.3个百分点,在TrashNet数据集上的实验效果提升了0.36个百分点,从而证明了本文算法的有效性,该算法有利于嵌入移动端设备使用,具有一定的实用价值.

关键词：垃圾分类、YOLOX、轻量型网络、EIoU、CBAM、GhostBottleneck

所属期刊栏目：41

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金;贵州省科技支撑计划项目

在线出版日期：2023-06-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：80-90