重庆理工大学学报（自然科学）

重庆理工大学学报（自然科学） ›› 2021, Vol. 35 ›› Issue (6): 174-184.doi: 10.3969/j.issn.1674-8425(z).2021.06.022

• 信息·计算机 • 上一篇    

基于 ＹＯＬＯＧＴ网络的零售商品目标检测方法

周可鑫，左云波，谷玉海，朱腾腾，卞景艺   

  1. 北京信息科技大学 现代测控技术教育部重点实验室，北京 １００１９２
  • 收稿日期:2020-06-23 发布日期:2021-07-20
  • 作者简介:周可鑫，男，硕士研究生，主要从事图像处理与目标检测研究，Ｅｍａｉｌ：１３２６１９７２０８１＠１６３．ｃｏｍ。
  • 基金资助:
    国家自然科学基金项目（５１９７５０５８）；北京市教委促进高校内涵发展项目（５１１２０１１０１５）

  • Received:2020-06-23 Published:2021-07-20

PDF (PC)

286

赞

摘要： 提出改进的 ＹＯＬＯＧＴ深度学习网络，实现基于嵌入式平台的零售商品数据集 ＲＰＣ 的图像目标检测。ＹＯＬＯＧＴ网络以 ＹＯＬＯｖ３Ｔｉｎｙ网络为基础，采用线性扩展优化用于特征提 取的卷积层，并将深度学习网络浅层信息与深层信息融合使得网络成为三尺度预测网络，提高 网络对小目标商品的识别能力。ＹＯＬＯＧＴ采用 Ｍｉｓｈ函数优化了网络激活函数，并重新利用 ＦＣＭ聚类算法生成多个新的先验框。利用 ＲＰＣ零售商品数据集在嵌入式平台 Ｊｅｔｓｏｎｎａｎｏ核心 板上实验，ＹＯＬＯＧＴ网络对于每张图片的平均检测速度为 ３４２．６７ｍｓ／张，平均检测准确率 （ｍＡＰ）为 ９７．２１％，与 ＹＯＬＯｖ３Ｔｉｎｙ相比，检测速度提升了 ５７．８１％，ｍＡＰ提升了 １．８４％，并降 低了小目标漏检率，能够满足使用要求。

关键词: 深度学习, 目标检测, ＲＰＣ, 嵌入式, ＹＯＬＯＧＴ

中图分类号: 

  • TP391.41