-
题名基于YOLOv4-GS检测算法的服装识别方法
- 1
-
-
作者
田魏伟
邱卫根
张立臣
-
机构
广东工业大学计算机学院
-
出处
《现代计算机》
2022年第11期10-17,共8页
-
基金
国家自然科学基金资助项目(61873068)。
-
文摘
针对服装检测中检测模型体积大、运算量高,难以适应后续嵌入式平台环境的需要,本文提出了一种高效的YOLOv4-GS算法,极大降低了检测模型的规模。首先对数据集使用K-means聚类方法获得初始候选框,再融合Ghost模块和SimAM注意力机制组成GS模块,然后利用GS模块重构YOLOv4网络得到更轻量、更高效的YOLOv4-GS模型。实验结果表明:对比原生YOLOv4网络,在DeepFashion2数据集和相同环境下,YOLOv4-GS模型骨干网络浮点运算量减少48.33%,参数量减少49.63%,模型大小降低了33.12%,mAP达到67.8%,提升了2.1%。
-
关键词
服装检测
yolov4-gs
GhostNet
K-MEANS
SimAM
DeepFashion2
-
Keywords
clothing detection
yolov4-gs
GhostNet
K-means
SimAM
DeepFashion2
-
分类号
TS941.79
[轻工技术与工程—服装设计与工程]
TP391.41
[自动化与计算机技术—计算机应用技术]
-