-
题名改进YOLOX-s的密集垃圾检测方法
被引量：1
- 1
-
-
作者
谢若冰
李茂军
李宜伟
胡建文
-
机构
长沙理工大学电气与信息工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2024年第5期250-258,共9页
-
基金
国家自然科学基金(62271087)。
-
文摘
针对密集堆放的多种类垃圾检测存在识别率低、定位不够准确和待测目标被误检、漏检问题,提出了一种融合多头自注意力机制改进YOLOX-s的垃圾检测方法。在特征提取网络嵌入SwinTransformer模块,引入基于滑窗操作的多头自注意力机制,使得网络兼顾全局特征信息和重点特征信息,减少误检现象;在预测输出网络中使用可变形卷积,对初始预测框进行精细化处理,提高定位精度;在EIoU损失的基础上引入加权系数,提出加权IoU-EIoU损失,自适应调整训练时不同阶段不同损失的关注程度,进一步加快训练网络的收敛速度。在公开204类垃圾检测数据集中进行测试,结果表明,所提改进算法的平均精度均值分别可达80.5%和92.5%,优于当前流行目标检测算法,且检测速度快,满足实时性需求。
-
关键词
密集垃圾检测
多头自注意力机制
YOLOX-s
深度学习
-
Keywords
dense spam detection
multi-head self-attention mechanism
YOLOX-s
deep learning
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
