基于YOLOv4-GS检测算法的服装识别方法

扫码查看

原文链接

NETL
NSTL
万方数据
维普

中文摘要：针对服装检测中检测模型体积大、运算量高,难以适应后续嵌入式平台环境的需要,本文提出了一种高效的YOLOv4-GS算法,极大降低了检测模型的规模.首先对数据集使用K-means聚类方法获得初始候选框,再融合Ghost模块和SimAM注意力机制组成GS模块,然后利用GS模块重构YOLOv4网络得到更轻量、更高效的YOLOv4-GS模型.实验结果表明:对比原生YOLOv4网络,在DeepFashion2数据集和相同环境下,YOLOv4-GS模型骨干网络浮点运算量减少48.33％,参数量减少49.63％,模型大小降低了33.12％,mAP达到67.8％,提升了2.1％.

外文标题：Clothing Recognition Method Based on YOLOv4-GS Detection Algorithm

作者：

田魏伟、邱卫根、张立臣

展开 >

作者单位：

广东工业大学计算机学院,广州 510006

关键词：

服装检测 YOLOv4-GS GhostNet K-means SimAM DeepFashion2

基金：

国家自然科学基金

项目编号：

61873068

出版年：

2022

DOI：

10.3969/j.issn.1007-1423.2022.11.002

现代计算机

中大控股

现代计算机

影响因子：0.292

ISSN：1007-1423

年,卷(期)：2022.28(11)

参考文献量18