基于YOLO算法的无人超市商品图像识别研究

作者：刘思阳; 张全

来源：智能物联技术, 2023, 6(02): 24-29.

• 无人超市
• 商品识别
• 注意力机制
• Ghost卷积网络
• YOLO算法

商品识别是无人超市管理的重要环节之一。为提升商品识别速度与精度，本文提出了一种基于YOLOv5模型的改进方法。首先，拍摄不同种类的商品并采用数据增强方式丰富样本数据集；其次，在算法中添加注意力机制来解决特征提取时无注意力偏好问题，从而提升检测准确度；最后，通过在骨干段中将普通卷积网络替换成Ghost卷积网络，降低网络参数带来的计算负担，进而提高目标识别速度。实验结果表明，在相同训练条件下，相比原始YOLOv5网络，改进YOLOv5网络的识别准确率达到91.1%，比原模型提升了2.8%;mAP@0.5达到了99.1%，比原模型提升了6.7%；识别速度达到了42.3 FPS，提升了2.5 FPS。

• 单位
  沈阳工业大学