首页|基于轻量化YOLOv5s的售货柜商品识别方法

基于轻量化YOLOv5s的售货柜商品识别方法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
自动售货柜行业在中国大陆地区大中城市中发展势头迅猛.传统的售货柜采用硬件分隔、重量判断和射频感应等商品识别方法,导致售货柜空间利用率低和购物体验较差.目前基于深度学习的目标检测方法如YOLOv5s等被应用于商品识别领域,而现有的目标检测算法网络模型参数多、计算量大,难以在售货柜嵌入式系统部署应用.针对上述问题基于YOLOv5s提出一种轻量化的商品识别算法模型.首先采用轻量化网络ShuffleNetv2 替换YOLOv5s原来的主干网络,大量缩减网络模型的参数数量和计算量;然后在模型颈部的所有C3 层引入注意力机制CBAM形成C3CBAM,提取图像中的关键信息进行自适应特征融合,提高网络检测精度;最后利用WIoU Loss代替CIoU Loss作为回归损失函数,借助WIoU的动态非单调聚焦机制重点关注普通质量的锚框,提高网络模型的整体性能.设置 4 组不同的实验进行验证分析,实验结果表明,利用ShuffleNetv2 替换原始YOLOv5s的主干网络后,网络的参数量和计算量分别降低了 84.3%和86.4%,有效减少了内存占有率,改进后的YOLOv5s算法实现了模型轻量化和检测精度的有效平衡,能够部署在售货柜嵌入式系统中进行商品识别,对商品智能识别算法方面的研究具有重要借鉴意义.

李书阁、赵鹏举、王伟强、周违

展开 >

重庆电子工程职业学院,重庆 401331

YOLOv5s算法 轻量化 网络参数 商品识别

重庆市科技局技术创新与应用发展专项重庆电子工程职业学院校级科研项目

cstc2020jscxgksbX0017XJZK201902

2024

装备制造技术
广西机械工程学会

装备制造技术

影响因子：0.252
ISSN：1672-545X
年,卷(期)：2024.(5)
  • 5