基于YOLOv4改进的轻量化垃圾检测系统

摘要

计算机视觉智能设备可以帮助人们进行垃圾分类,提高垃圾分类回收效率。为了降低平台体积功耗存储及计算能力的要求,更利于模型部署在资源有限的移动端,本文基于YOLOv4目标检测算法,提出一种改进的轻量化网络。采用轻量级的Ghost Net特征提取网络作为主干网络,使用Ghost Module结构代替普通卷积,并引入坐标注意力机制。模型体积所占内存压缩到40.5MB,在自制垃圾检测数据集上达到了94.28%的全类平均精度(mean Average Precision,mAP),并将系统成功部署在安卓手机端。该系统实现了模型压缩,加快了检测速度,使得算法能够部署在资源有限的边缘设备。