典型文献
面向仓储货物的轻量化目标检测算法
文献摘要：
为了实现对仓储环境下货物的精确检测,提出了一种可用于智能仓储机器人的轻量化仓储货物检测方法(E-YOLOv4-Lite).该方法以YOLOv4为基础,引入MobileNetv3重构特征提取网络,在PANet中以深度可分离卷积代替标准卷积,减少模型参数量和运算量.融入改进的convolutional block attention module(CBAM),进一步提升网络检测性能,改进的CBAM采用自适应的一维卷积代替通道注意力模块中的全连接层,采用具有膨胀卷积的残差结构扩大空间注意力模块中的感受野.最后,在RPC商品数据集上进行了网络训练和实验测试,其参数量为11.25 MB,检测时间为14.4 ms,每秒传输帧数达到69.2,平均检测精度为95.43％.实验结果表明,改进后的E-YOLOv4-Lite模型具有精度高、实时性好和轻量化的优点,能够更好地满足仓储环境中的货物检测需求.
文献关键词：
图像处理;目标检测;注意力机制;轻量化;商品数据集
中图分类号：
作者姓名：
王晨;袁庆霓;白欢;李恒;宗文泽
作者机构：
贵州大学现代制造技术教育部重点实验室,贵州贵阳550025;贵州大学机械工程学院,贵州贵阳550025
文献出处：
引用格式：
[1]王晨;袁庆霓;白欢;李恒;宗文泽-.面向仓储货物的轻量化目标检测算法)[J].激光与光电子学进展,2022(24):66-72
A类：
商品数据集
B类：
货物,轻量化目标检测,目标检测算法,仓储环境,精确检测,智能仓储,仓储机器人,YOLOv4,Lite,MobileNetv3,重构特征,特征提取网络,PANet,深度可分离卷积,标准卷积,模型参数量,运算量,convolutional,block,attention,module,CBAM,网络检测,检测性能,一维卷积,通道注意力模块,全连接层,膨胀卷积,残差结构,大空间,空间注意力,感受野,RPC,网络训练,实验测试,MB,检测时间,ms,每秒,秒传,检测精度,注意力机制
AB值：
0.438588
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。
