典型文献
基于YOLO神经网络的垃圾检测与分类
文献摘要：
针对人工分拣垃圾效率低、任务重和环境恶劣等问题,文中提出了基于YOLO的目标检测方法来实现垃圾检测与分类.通过制作特定数据集,使用K-means聚类算法以及Mish激活函数对模型进行调整.根据卷积神经网络的特性,通过在YOLO模型的每个检测头前嵌入CBAM注意力模块,结合PANet增强特征集成能力来提升小目标检测的精度.实验结果表明,文中提出的垃圾检测与分类方法能够准确快速地识别垃圾.相较于YOLOv4,文中所提模型在垃圾数据集上的map值提升了 2.81％,其中Cans的识别精度可达94.56％,PlasticBottle的精度提升了 6.36％.
文献关键词：
垃圾识别;分类;神经网络;注意力机制;深度学习;数据集;特征集成;目标检测
中图分类号：
作者姓名：
张伟;刘娜;江洋;李清都
作者机构：
上海理工大学光电信息与计算机工程学院,上海200093;上海理工大学医疗器械与食品学院,上海200093;重庆市互联网信息办公室,重庆401120
文献出处：
引用格式：
[1]张伟;刘娜;江洋;李清都-.基于YOLO神经网络的垃圾检测与分类)[J].电子科技,2022(10):45-50
A类：
Cans,PlasticBottle
B类：
垃圾检测,人工分拣,环境恶劣,劣等,目标检测方法,means,聚类算法,Mish,激活函数,个检,检测头,头前,CBAM,注意力模块,PANet,特征集成,小目标检测,分类方法,准确快速,YOLOv4,map,识别精度,精度提升,垃圾识别,注意力机制
AB值：
0.402826
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。
