轻量化YOLOv5n的高精度垃圾检测算法

针对现有部署至移动设备或嵌入式设备的生活垃圾检测模型参数量多,计算量大,且识别种类较少等问题,对YOLOv5n目标检测算法进行了轻量化、高精度的优化研究.在YOLOv5n的架构上引入轻量级网络ShuffleNetv2与GhostNet实现了检测网络的轻量化;同时添加注意力机制SE增强特征提取能力,以及引入基于响应的知识蒸馏算法提升定位和分类的准确率,从而提高目标检测精度.实验结果表明,在HGI-30数据集上,优化后的YOLOv5n的参数量和计算量分别减少22.3％和23.3％,检测精度mAP0.5和mAP0.5:0.95分别增加1.6个百分点和2.6个百分点.