随着城市化进程的不断加速,垃圾问题已经成为影响城市环境和居民生活质量的重要因素.为实现有效准确的垃圾分类检测,设计了 YOLOv5s_CC模型.在骨干网络中加入Coor-dinateAttention注意力机制,通过关注特征图的空间信息和通道信息,可以帮助模型更好地捕捉到重要的特征.同时将Neck颈部结构的卷积方式更换为CoordConv,添加两个坐标通道,从而使其具备空间感知能力.将WIoU作为边框损失函数,通过考虑预测框和真实框之间的区域来对IoU进行加权,提升预测框的准确率.为验证算法的可行性,将数据集传入改进YOLOV5s_CC网络进行训练.结果表明,YOLOv5s_CC模型相较于原始的YOLOV5s模型mAP50提升3.5个百分点,FPS值为146,在高速识别图像的同时保证了识别的精度.
万方数据
维普
