基于Ghost卷积和YOLOv5s网络的服装检测

作者：李雪; 吴圣明; 马丽丽; 陈金广^*

来源：计算机系统应用, 2022, 31(07): 203-209.

DOI：10.15888/j.cnki.csa.008621

• 服装图像
• 目标检测
• YOLOv5s
• DeepFashion2
• Ghost卷积
• 轻量级
• 深度学习

为了降低服装目标检测模型的参数量和浮点型计算量,提出一种改进的轻量级服装目标检测模型——GYOLOv5s.首先使用Ghost卷积重构YOLOv5s的主干网络;然后使用DeepFashion2数据集中的部分数据进行模型训练和验证;最后将训练好的模型用于服装图像的目标检测.实验结果表明, G-YOLOv5s的mAP达到71.7%,模型体积为9.09 MB,浮点型计算量为9.8 G FLOPs,与改进前的YOLOv5s网络相比,模型体积压缩了34.8%,计算量减少了41.3%,精度仅下降1.3%,方便部署在资源有限的设备中使用.

• 单位
  西安工程大学