科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对自动贩卖机商品检测中图片变形、遮挡及光线环境，导致各商品细粒度检测性能低问题，构建一种基于YOLOX-s网络改进的算法模型YOLOX-s-BGC。通过改进的双向特征金字塔网络（BiFPN-m），减小网络特征融合过程中特征信息的丢失，并提高了模型的推理速度；同时引入Ghost卷积降低参数量以减少网络计算开销；为了可以关注图像中更具区分度的特征信息，还提出了卷积块注意力模块（CBAM），提取出更具区分性的特征。在自动贩卖机商品检测数据集上的实验结果表明，YOLOX-s-BGC模型在商品检测的检测精度达到了99.57%，相比于原始YOLOX-s算法提高了1.91个百分点，且计算参数量和模型大小基本保持不变。同时与SSD、YOLOv3、Scaled YOLOv4、YOLOv5 Lite-g等目标检测算法相比，该改进算法具有一定的优越性，是在自动贩卖机商品检测中的理想模型。
- 出版日期2023
- 单位重庆科技学院; 重庆工贸职业技术学院
