论文部分内容阅读
为提高塑料检测定位任务的准确率,基于Yolo算法提出一个塑料检测定位模型。针对模型的基础网络层,设计3个由小尺寸卷积层组成的残差模块,以期捕获多样化、抽象塑料特征,以避免梯度消失现象的出现。由仿真分析结果可知:应用数据增强技术可拼接4个图像为1个图像样本,模型的检测定位准确率为0.949 7;应用Concat方式拼接特征图后,模型的检测定位准确率提升约1%;应用Hinge损失函数优化模型训练过程,检测定位准确率提升约2%;应用SPP捕获21个多层次的塑料特征向量,促使模型特征表达,最终测试定位准确率