摘要
针对生活垃圾识别任务中模型参数量大、复杂场景下检测精度不足的问题,本文提出一种基于YOLOv11n的改进算法。通过引入EfficientNetv2重构骨干网络,结合其渐进式缩放策略与MBConv模块,在降低计算冗余的同时增强多尺度特征提取能力;设计可变形注意力机制(DAT),利用动态感受野调节特性自适应聚焦堆叠遮挡目标的显著性区域;优化基于GSConv的Slim-Neck颈部结构,通过混合密集-稀疏卷积与通道混洗机制实现高效特征融合。实验结果表明,改进算法在自建垃圾数据集上达到94.2%的精度,较原YOLOv11n提升3.3个百分点,参数量压缩22.1%。与主流轻量化模型相比,改进算法具有一定优势,验证了其在边缘计算设备部署中的实用价值。
出处
《互联网周刊》
2025年第12期28-30,共3页
China Internet Week
