一种改进的轻量级垃圾目标检测算法

来源：计算机技术与发展杂志2022年第02期北京时间：

作者：许伟;熊卫华

摘要：垃圾分类问题的解决方法目前主要依靠垃圾处理厂人工分拣,其工作环境较差且自动化程度不高。 为了提高垃圾分拣的速度与精度,以及为自动垃圾分拣设备提供算法解决参考方案,文章提出一种面向低功耗设备的轻量级垃圾目标检测算法 Ghost-YOLO,该算法在保证轻量化的同时具有较高的垃圾检测精度。 Ghost-YOLO 算法是基于 YOLOv3 算法通过一系列轻量化改进方案进行改进。 首先,通过引入 Ghost bottleneck 轻量级模块的特征提取网络对输入图片进行特征提取。 其次,通过改进的轻量级特征融合层,增加降采样链路,将特征进行二次融合,使得网络对小物体的检测能力更强以及回归框的位置更为精确。 通过实验表明,Ghost-YOLO 算法模型的参数量相比原 YOLOv3 减少了 95. 96% ,,大大降低了计算量和网络参数量,整体算法压缩至 9. 5 MB。 在垃圾数据集下的平均精度均值能达到 89. 02% 。

关键词：垃圾分类;目标检测;轻量化;YOLOv3;GhostNet