改进的YOLACT算法在垃圾实时分类检测的技术研究

摘要：

针对垃圾目标分类检测中物体重叠检测效果差的问题,文中设计一种改进YOLACT图像分割模型,并应用于垃圾实时检测中.根据COCO数据集制作适用于垃圾分类的数据集,通过YOLACT图像分割模型进行训练和评估监测,改进YOLACT的主干网络模块;使用Swish激活函数调整Resnet进入层模块和下采样模块以提升图像特征,同时改进YOLACT结构的检测模块;再使用Pointrend方法对检测出的分割结果与特征图像进行多层感知机(MLP)迭代融合,渲染深化边缘点特征,以融合得到的新掩码层取代原输出的掩码层.最后,进行改进YOLACT算法、SOLO算法、Mask-RCNN算法比较和消融实验.结果表明,改进YOLACT算法可提升精度、速度及垃圾图像分割的边缘效果,能够解决一部分垃圾重叠检测问题,在垃圾实时检测方面有较好的应用价值.

关键词：垃圾识别、分类检测、改进YOLACT、图像分割、多层感知机、数据融合、结果分析

所属期刊栏目：45

分类号：TN911.73-34;X705

资助基金：国家自然科学基金51575185

在线出版日期：2022-05-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：115-118