基于自适应注意力机制的YOLOv4无人超市商品检测

来源：计算机应用与软件杂志2024年第4期北京时间：

作者：章超华, 丁胜, 苏浩

摘要：针对无人超市智能结算任务中商品检测实时性不高、堆叠商品检测效果差、相似商品难分类的问题, 提出一种基于YOLOv4改进的商品识别算法。使用轻量级网络MobileNetv2进行特征提取加快检测速度; 在MobileNetv2的倒残差结构中引入通道注意力和空间注意力放大局部特征权重, 从而加强对堆叠商品的检测能力; 在损失函数中使用焦点损失(Focal loss)解决类间差异小的难分类问题。实验结果表明, 该方法在自建商品数据集Goods上准确率达到了80.3%, 检测速度达到73帧/s, 优于YOLOv4算法。

关键词：无人超市, 商品检测, 注意力机制, 深度可分离卷积