基于改进YOLOv3算法在垃圾检测上的应用

来源 :光电子·激光 | 被引量 : 0次 | 上传用户:xinwang01
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
现阶段我国主要靠人工对垃圾进行分拣,存在安全系数低、效率低下等问题。传统目标检测方法针对种类繁多,形态各异的垃圾目标不易设计特征,鲁棒性较差,为实现自然环境下垃圾的快速精准识别,本文提出一种基于深度学习的轻量级垃圾分类检测方法。该方法通过引入CIOU边框回归损失函数来提高回归框准确率;针对低功耗移动设备终端的部署,提出一种以YOLOv3目标检测算法为基础,结合MobileNetV3的特征提取网络,对算法进行轻量化;在YOLO层加入GRU结构,利用多门控循环神经网络结构对YOLO层中不同大小的特征图建
其他文献
移步换景进入朴素的西塘分校校园,浓烈的乒乓文化气息到处传递,“专用乒乓教室”“乒乓活动区域”里,数十张乒乓球台整齐地静静地站立着。大课间活动中,聆听著名钢琴家理查德
期刊
红外成像技术可以全天候进行工作,受一些恶劣天气因素的干扰较少,因为其依靠目标的温度差和热辐射率来成像,缺点也很明显,成像结果细节模糊,目标与背景的对比度低,边缘平滑,视觉效果一般。而偏振图像由于其只保留某些特定方向入射光的特殊成像机制,从而可以获取目标与背景粗糙度、含水量、物质理化以及纹理特征等多维细节信息,但也正因为滤除了部分方向的光线,导致偏振图像整体亮度偏低。针对单偏振参量信息弱、对比度小而
T:前段时间跟傅盛去以色列考察的时候,你有没有一种又重新回到做记者的感觉?Z:其实做创投跟做记者在这点上很像的,我现在出差频率差不多也是我当记者最忙的时候的出差频率。