摘要：商品识别是无人超市管理的重要环节之一。为提升商品识别速度与精度,本文提出了一种基于YOLOv5模型的改进方法。首先,拍摄不同种类的商品并采用数据增强方式丰富样本数据集;其次,在算法中添加注意力机制来解决特征提取时无注意力偏好问题,从而提升检测准确度;最后,通过在骨干段中将普通卷积网络替换成Ghost卷积网络,降低网络参数带来的计算负担,进而提高目标识别速度。实验结果表明,在相同训练条件下,相比原始YOLOv5网络,改进YOLOv5网络的识别准确率达到91.1%,比原模型提升了2.8%;mAP@0.5达到了99.1%,比原模型提升了6.7%;识别速度达到了42.3 FPS,提升了2.5 FPS。
