融合卷積注意力與Transformer的垃圾圖像檢測(cè)

打開文本圖片集

摘要：深度學(xué)習(xí)算法在城市生活垃圾圖像檢測(cè)領(lǐng)域具有重大研究意義。垃圾種類繁多、形態(tài)變化大，密集度高且背景復(fù)雜。提出一種在YOLOv5中融合卷積注意力模塊和Transformer編碼器的垃圾圖像檢測(cè)方法。首先，通過數(shù)據(jù)增強(qiáng)算法和自適應(yīng)填充算法對(duì)數(shù)據(jù)集進(jìn)行預(yù)處理，并根據(jù)數(shù)據(jù)集自動(dòng)計(jì)算最優(yōu)先驗(yàn)框尺寸。其次，整合卷積注意力模塊提取精細(xì)垃圾圖像特征，通過通道和空間兩個(gè)維度強(qiáng)化有效特征。（剩余11264字）