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