融合GhostNet的YOLOv5垃圾分类方法

摘要：

垃圾分类是建设生态文明的重要一环,为解决重量级模型难以部署移动端设备的问题,提出基于YOLOv5网络改进的垃圾图像分类方法.采用融合GhostNet的主干网络,用线性运算代替传统卷积运算,降低了模型的参数量,提高了模型推理速度;通过在网络中加入改进版通道注意力模块,强化重要的通道特征,获取更多深层次的特征信息;采用加权边界融合方法,提升检测框的定位精度.经实验证明,该方法在自制数据集中较原模型的精度提高了 8.5％,参数量减少了 46.7％,平均推理速度提高了 1.22 ms,实现了精度和推理速度的综合提升.

关键词：垃圾分类、ECA、GhostNet、YOLOv5

所属期刊栏目：50

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31971493

在线出版日期：2024-01-24（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：14-20