面向垃圾分类场景的轻量化目标检测方案

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.

关键词：垃圾分类、Yolov5、深度可分离卷积、K-means++算法、Stem模块

所属期刊栏目：58

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;福建省自然科学基金面上项目

在线出版日期：2023-12-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：71-77