融合GhostNet的YOLOv5垃圾分类方法

垃圾分类是建设生态文明的重要一环，为解决重量级模型难以部署移动端设备的问题，提出基于YOLOv5网络改进的垃圾图像分类方法。采用融合GhostNet的主干网络，用线性运算代替传统卷积运算，降低了模型的参数量，提高了模型推理速度；通过在网络中加入改进版通道注意力模块，强化重要的通道特征，获取更多深层次的特征信息；采用加权边界融合方法，提升检测框的定位精度。经实验证明，该方法在自制数据集中较原模型的精度提高了8.5%，参数量减少了46.7%，平均推理速度提高了1.22 ms，实现了精度和推理速度的综合提升。