典型文献
基于改进的YOLOV4多阶段轻量级可回收垃圾检测算法
文献摘要：
针对YOLOV4算法参数量大、计算耗时问题,提出了一种应用于垃圾分类的改进型YOLOV4算法,兼顾可回收垃圾的检测速度和检测精度.使用多阶段级联的方式提高分类精度,同时采用MobileNetV3作为YOLOV4目标检测算法的特征提取骨干网络以减少模型参数从而提高运算速度.在第二阶段中,使用Mobile-NetV3轻量化HrNet.在不影响速度的情况下提高分类准确度.实验结果表明,相比于直接修改骨干网的 YOLOV4算法,多阶段轻量化的方法MAP0.5提高了 3.43％,且模型参数量仅为YOLOV4的21％.
文献关键词：
目标检测;深度学习;垃圾分类;轻量级算法
中图分类号：
作者姓名：
武嘉年;陆康;李红
作者机构：
合肥学院生物食品与环境学院,合肥 230601;合肥学院人工智能与大数据学院,合肥 230601
文献出处：
引用格式：
[1]武嘉年;陆康;李红-.基于改进的YOLOV4多阶段轻量级可回收垃圾检测算法)[J].合肥学院学报（综合版）,2022(05):60-66
A类：
可回收垃圾检测,HrNet,MAP0
B类：
YOLOV4,多阶段,算法参数,垃圾分类,改进型,检测速度,检测精度,分类精度,MobileNetV3,目标检测算法,取骨,骨干网络,第二阶段,模型参数量,轻量级算法
AB值：
0.209057
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
