面向垃圾分类场景的轻量化目标检测方案

作者：陈健松; 蔡艺军^*

来源：浙江大学学报(工学版), 2024, 58(01): 71-77.

• 垃圾分类
• Yolov5
• 深度可分离卷积
• K-means++算法
• Stem模块

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.

• 单位
  厦门理工学院