首页|基于改进YOLOv5的多目标垃圾分类研究

基于改进YOLOv5的多目标垃圾分类研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对垃圾分类问题,传统图像识别算法通常只能对单个垃圾图像进行识别,效率低下,且对硬件要求高.本文实现了对YOLO模型改进的多目标实时轻量的目标检测模型,使用RepVGGBlock模块和结构重参数化技术来改进模型的特征提取结构,使模型轻量,方便移植进嵌入式设备中.使用BiFPN特征融合技术来融合不同特征图的信息,提高了模型对目标的定位能力.实验表明,改进后的模型比原始模型以及其他多目标检测模型的精度更高,速度更快,体积更小.
Research on multi objective waste classification based on improved YOLOv5

YOLO image recognitionobject detectionstructural re-parameterizationBiFPN

孙奥、代琦、贺平安

展开 >

浙江理工大学,浙江 杭州 310020

YOLO图像识别 目标检测 结构重参数化 BiFPN

2023

10.16644/j.cnki.cn33-1094/tp.2023.08.021

计算机时代
浙江省计算技术研究所　浙江省计算机学会

计算机时代

影响因子：0.411
ISSN：1006-8228
年,卷(期)：2023.(8)
  • 10