改进YOLOX-s的密集垃圾检测方法

来源：计算机工程与应用杂志2024年第5期北京时间：

作者：谢若冰, 李茂军, 李宜伟, 胡建文

单位：长沙理工大学 电气与信息工程学院，长沙 410114

摘要：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