期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
融入注意力机制的轻量化可回收垃圾检测方法
被引量：
1
1
作者
郭洲
黄诗浩
+3 位作者
谢文明
吕晖
张旋旋
陈哲
《包装工程》
CAS
北大核心
2023年第9期243-253,共11页
目的针对目前智能垃圾分类设备使用的垃圾检测方法存在检测速度慢且模型权重文件较大等问题,提出一种基于YOLOv4的轻量化方法,以实现可回收垃圾的检测。方法采用MobileNetV2轻量级网络为YOLOv4的主干网络,用深度可分离卷积来优化颈部和...
目的针对目前智能垃圾分类设备使用的垃圾检测方法存在检测速度慢且模型权重文件较大等问题,提出一种基于YOLOv4的轻量化方法,以实现可回收垃圾的检测。方法采用MobileNetV2轻量级网络为YOLOv4的主干网络,用深度可分离卷积来优化颈部和头部网络,以减少参数量和计算量,提高检测速度;在颈部网络中融入CBAM注意力模块,提高模型对目标特征信息的敏感度;使用K−means算法重新聚类,得到适合自建可回收数据集中检测目标的先验框。结果实验结果表明,改进后模型的参数量减少为原始YOLOv4模型的17.0%,检测的平均精度达到96.78%,模型权重文件的大小为46.6 MB,约为YOLOv4模型权重文件的19.1%,检测速度为20.46帧/s,提高了约25.4%,检测精度和检测速度均满足实时检测要求。结论改进的YOLOv4模型能够在检测可回收垃圾时保证较高的检测精度,同时具有较好的实时性。
展开更多
关键词
可回收垃圾检测
MobileNetV2
YOLOv4
注意力机制
深度学习
在线阅读
下载PDF
职称材料
改进SSD的可回收垃圾检测方法
被引量：
7
2
作者
耿丽婷
阿里甫·库尔班
+2 位作者
米娜瓦尔·阿不拉
丁培
蒋润熙
《计算机工程与应用》
CSCD
北大核心
2022年第23期293-299,共7页
目前我国可回收垃圾的回收利用主要依靠人工分拣的方式,造成了人力资源浪费、资源利用率低等问题。为提高资源的回收利用,提出了一个基于改进single shot multibox detector(SSD)算法的可回收垃圾检测器。针对模型参数量大,难以部署应...
目前我国可回收垃圾的回收利用主要依靠人工分拣的方式,造成了人力资源浪费、资源利用率低等问题。为提高资源的回收利用,提出了一个基于改进single shot multibox detector(SSD)算法的可回收垃圾检测器。针对模型参数量大,难以部署应用的问题,选用新的主干特征提取网络,引入轻量化的网络RepVGG替换SSD中的VGG16网络,同时采用结构重参数化的方式大幅减少参数量和计算量。修改SSD的辅助卷积层结构,进一步减少参数量。针对数据集尺寸变化大的问题,引入SK模块,自适应调整感受野的尺寸,提高检测精度。实验结果表明,改进的SSD模型在可回收垃圾检测任务上具有较好的检测精度和实时性,精度为95.23%,相较于原始SSD提升了4.33个百分点,检测速度可以达到64 FPS,因此该算法可以更好地应用于工业。
展开更多
关键词
可回收垃圾检测
SSD算法
结构重参数化
深度学习
在线阅读
下载PDF
职称材料
题名
融入注意力机制的轻量化可回收垃圾检测方法
被引量：
1
1
作者
郭洲
黄诗浩
谢文明
吕晖
张旋旋
陈哲
机构
福建省汽车电子与电驱动技术重点实验室
福建工程学院电子与电气物理学院
出处
《包装工程》
CAS
北大核心
2023年第9期243-253,共11页
基金
国家自然科学基金(61604041)
教育部产学研协同育人项目(201901021014)
福建省教育厅基金项目(JT180352)。
文摘
目的针对目前智能垃圾分类设备使用的垃圾检测方法存在检测速度慢且模型权重文件较大等问题,提出一种基于YOLOv4的轻量化方法,以实现可回收垃圾的检测。方法采用MobileNetV2轻量级网络为YOLOv4的主干网络,用深度可分离卷积来优化颈部和头部网络,以减少参数量和计算量,提高检测速度;在颈部网络中融入CBAM注意力模块,提高模型对目标特征信息的敏感度;使用K−means算法重新聚类,得到适合自建可回收数据集中检测目标的先验框。结果实验结果表明,改进后模型的参数量减少为原始YOLOv4模型的17.0%,检测的平均精度达到96.78%,模型权重文件的大小为46.6 MB,约为YOLOv4模型权重文件的19.1%,检测速度为20.46帧/s,提高了约25.4%,检测精度和检测速度均满足实时检测要求。结论改进的YOLOv4模型能够在检测可回收垃圾时保证较高的检测精度,同时具有较好的实时性。
关键词
可回收垃圾检测
MobileNetV2
YOLOv4
注意力机制
深度学习
Keywords
recyclable garbage detection
MobileNetV2
YOLOv4
attention mechanism
deep learning
分类号
TB487 [一般工业技术—包装工程]
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
改进SSD的可回收垃圾检测方法
被引量：
7
2
作者
耿丽婷
阿里甫·库尔班
米娜瓦尔·阿不拉
丁培
蒋润熙
机构
新疆大学软件学院
出处
《计算机工程与应用》
CSCD
北大核心
2022年第23期293-299,共7页
基金
新疆维吾尔自治区自然科学基金(2021D01C082)。
文摘
目前我国可回收垃圾的回收利用主要依靠人工分拣的方式,造成了人力资源浪费、资源利用率低等问题。为提高资源的回收利用,提出了一个基于改进single shot multibox detector(SSD)算法的可回收垃圾检测器。针对模型参数量大,难以部署应用的问题,选用新的主干特征提取网络,引入轻量化的网络RepVGG替换SSD中的VGG16网络,同时采用结构重参数化的方式大幅减少参数量和计算量。修改SSD的辅助卷积层结构,进一步减少参数量。针对数据集尺寸变化大的问题,引入SK模块,自适应调整感受野的尺寸,提高检测精度。实验结果表明,改进的SSD模型在可回收垃圾检测任务上具有较好的检测精度和实时性,精度为95.23%,相较于原始SSD提升了4.33个百分点,检测速度可以达到64 FPS,因此该算法可以更好地应用于工业。
关键词
可回收垃圾检测
SSD算法
结构重参数化
深度学习
Keywords
recyclable garbage detection
single shot multibox detector(SSD)
structural re-parameterization
deep learning
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
融入注意力机制的轻量化可回收垃圾检测方法
郭洲
黄诗浩
谢文明
吕晖
张旋旋
陈哲
《包装工程》
CAS
北大核心
2023
1
在线阅读
下载PDF
职称材料
2
改进SSD的可回收垃圾检测方法
耿丽婷
阿里甫·库尔班
米娜瓦尔·阿不拉
丁培
蒋润熙
《计算机工程与应用》
CSCD
北大核心
2022
7
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
