摘要
نظرًا لمشاكل كبيرة حجم معلمات نموذج اكتشاف النفايات في البيئات المعقدة ووجود أخطاء في الكشف وتفويت بعض الكائنات، تقترح هذه الورقة نموذج اكتشاف نفايات خفيف الوزن مبني على YOLOv8n المحسن. أولاً، تم اقتراح بنية شبكة خفيفة الوزن MobileNet V3_ECA كهيكل رئيسي لـ YOLOv8n لتعزيز قدرة النموذج على تمثيل مناطق ميزات النفايات، مع تقليل عدد معلمات النموذج؛ ثانيًا، تم إدخال آلية انتباه سياقية للمرساة في الشبكة الرئيسية لتعزيز قدرة النموذج على استخراج ميزات النفايات؛ ثم، في الشبكة العنقية، تم استبدال الالتفاف القياسي بالتفاف ديناميكي كامل الأبعاد لتحسين الخريطة المميزة المحلية وتحقيق قدرة دمج ميزات دقيقة محلية للنفايات؛ أخيرًا، تم استخدام دالة فقدان حدود WIoU v3 لتحسين أداء انحدار إطار الحدود في الشبكة. تم إجراء تجارب تحقق من النموذج على مجموعة بيانات نفايات في خلفيات معقدة تم بناؤها ذاتيًا، وأظهرت النتائج أن النموذج المحسن زاد mAP@0.5 بنسبة 1.1٪ مقارنة بـ YOLOv8n الأصلي، وسرعة الكشف FPS زادت بنسبة 11.7٪، وتم تقليل عدد المعلمات Params، وحجم النموذج Size، وحجم العمليات الحسابية العائمة FLOPs بنسبة 70.8٪، 66.1٪، و70.7٪ على التوالي. تشير النتائج إلى أن النموذج المحسن يمكنه تحسين دقة الكشف بشكل فعال وتقليل تعقيد النموذج بشكل ملحوظ، مما له أهمية هندسية كبيرة في نشر النموذج وتطبيقه على معدات الكشف الحدي.
关键词
اكتشاف النفايات;خفيف الوزن;MobileNet V3_ECA;YOLOv8n;التعلم العميق
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website