文献类型：期刊文章

作　　者：陈君[1] 赵小会[1] 王博士[1] 季虹[1] 李维乾[1]

CHEN Jun;ZHAO Xiaohui;WANG Boshi;JI Hong;LI Weiqian(The Shaanxi Key Laboratory of Clothing Intelligence,School of Computer Science,Xi'an Polytechnic University,Xi'an 710048,China)

机构地区：[1]西安工程大学计算机科学学院陕西省服装设计智能化重点实验室,西安710048

出　　处：《计算机测量与控制》

基　　金：国家自然科学基金(62106189);陕西省高速公路施工机械重点实验室开放基金(300102250510);西安工程大学科研基金(BS201847)。

年　　份：2024

卷　　号：32

期　　号：12

起止页码：1-8

语　　种：中文

收录情况：JST、ZGKJHX、普通刊

摘　　要：随着社会经济的发展,人们的生活水平持续提高,生活垃圾量急剧攀升;为了有效应对垃圾分拣效率低、准确率差等问题,提出一种以YOLOv7网络为基础模型的垃圾检测算法;该算法对YOLOv7网络进行了一系列改造,首先,在Head模块添加了注意力机制SimAM,增强了模型的感知能力和自适应能力,从而提高检测精度;其次,在主干网络中改进了非极大值抑制算法(soft-NMS)去除冗余的检测框,再次改进了损失函数为边框回归损失函数SIoU,提高了检测的精度和速度;最后,采用C3模块替换YOLOv7有的ELAN-W模块,提升网络对较小目标的检测能力;通过数据集对改进的网络进行测试,平均准确度为98.93%,高于原模型的96.31%,实验结果也表明改进算法的检测效果有较为明显的提升。

关 键 词：深度学习  目标检测 注意力机制  非极大值抑制 垃圾分类

分 类 号：TP391]