文献类型：期刊文章

作　　者：张少林[1] 姜吴瑾[2] 李太福[1] 杨杰[3,4]

ZHANG Shaolin;JIANG Wujin;LI Taifu;YANG Jie(School of Electrical Engineering,Chongqing University of Science and Technology,Chongqing 400030,China;School of Safety Engineering,Chongqing University of Science and Technology,Chongqing 400030,China;School of Artificial Intelligence,Chongqing Industry&Trade Polytechnic,Chongqing 408000,China;Chongqing New Guidance Intelligent Technology Research Institute Company Limited,Chongqing 400000,China)

机构地区：[1]重庆科技学院电气工程学院,重庆400030 [2]重庆科技学院安全工程学院,重庆400030 [3]重庆工贸职业技术学院人工智能学院,重庆408000 [4]重庆新制导智能科技研究院有限公司,重庆400000

出　　处：《计算机工程与应用》

基　　金：教育部人文社科一般项目(22YJCZH213);重庆市教委科学技术研究计划项目(KJZD-K202203601,KJQN0202203602,KJQN202203607);重庆市自然科学基金(cstc2021jcyj-msxmX1108)。

年　　份：2023

卷　　号：59

期　　号：20

起止页码：274-282

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD_E2023_2024、IC、JST、RCCSE、ZGKJHX、核心刊

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。

关 键 词：商品检测  目标检测 YOLOX  注意力机制  轻量化网络  

分 类 号：TP391.41]