融合SKNet与YOLOv7的垃圾目标检测研究.pdf

目录

摘要I

AbstractIII

第一章绪论1

1.1研究背景和意义1

1.2国内外研究现状2

1.3研究内容5

1.4本论文结构安排5

第二章理论与模型介绍8

2.1卷积神经网络8

2.1.1神经网络原理8

2.1.2卷积神经网络10

2.1.3IOU损失函数15

2.1.4部分卷积神经网络模型介绍17

2.1.5模型性能评价指标20

2.2图像增强21

2.3注意力机制21

2.3.1通道注意力22

2.3.2空间注意力22

2.4本章小结22

第三章垃圾图像直方图均衡化24

3.1直方图均衡化实现24

3.1.1受光照影响的垃圾图像24

3.1.2图像直方图均衡化增强25

3.1.3图像自适应均衡化化改进29

3.2图像直方图均衡化对比实验34

3.3本章小结35

第四章融合SKNet的YOLOv7模型改进36

4.1融合SKNet的YOLOv736

4.1.1YOLOv7模型结构36

4.1.2SKNet结构36

4.1.3SKNet与YOLOv7的融合39

4.1.4融合SKNet的YOLOv7模型对比实验43

4.2YOLOv7损失函数的优化44

4.2.1YOLOv7的损失函数及其优缺点44

4.2.2损失函数自适应改进45

4.2.3改进损失函数的实现流程48

4.2.4损失函数改进对比实验51

4.3本章小结52

第五章垃圾目标检测实验53

5.1实验准备53

5.1.1实验环境53

5.1.2实验数据53

5.1.3实验效果评估参数57

5.2垃圾目标检测实验57

5.2.1华为云数据集实验57

5.2.2自建数据集实验65

5.3本章小结68

第六章总结与展望70

6.1总结70

6.2展望70

参考文献72

致谢77

攻读硕士学位期间主要研究成果78

贵州师范大学学位论文原创性声明79

贵州师范大学学位论文使用授权书79

摘要

垃圾分类日益受到广泛关注，居民日常生活垃圾是一类重要的垃

圾来源，实现居民端垃圾的准确分类对推动垃圾分类工作有重要意义。

本文针对居民端垃圾目标检测识别中存在的问题，以YOLOv7模型

为基础，寻求提升居民端垃圾目标检测识别精度的方法。本文主要工

作如下：

（1）为克服居民家中进行垃圾目标检测识别受到房屋、家具遮

挡垃圾图像变得灰暗致使检测识别精度降低的问题，本文提出一种基

于直方图均衡化预处理算法，对成像模糊及光照强度不充足的图像进

行增强处理，将整体的图像灰度进行均匀分布以及适当提亮，得到对