计算机工程

作者：李致金, 汤佳辉, 闫金凤

单位：南京信息工程大学人工智能学院, 江苏 南京 210044

关键词：深度学习,注意力模块,轻量级模型,迁移学习,边缘设备

基金：国家自然科学基金委员会面上项目(61771248)。

“新零售”模式的出现,对传统零售业的转型以及提升用户消费体验具有重要意义。然而,目前市场上的无人水果秤大多存在一些问题,如识别率低、模型结构复杂、部署困难、模型推理实时性差等。针对这些问题,提出一种基于边缘计算的轻量化识别方法。选用MobileNext作为主干网络,引入轻量型的注意力模块CBAM改进MobileNext中的SandGlass模块。利用Ghost模块替换SandGlass模块中的标准1×1卷积,以压缩模型的参数量和运算量。在此基础上,使用迁移学习的策略搭配NAdam优化器训练改进后的MobileNext模型,进一步提高模型的识别精度。在Fruit Recognition数据集上的实验结果表明,该方法在水果识别任务中达到了98.95%的识别准确率,优于原MobileNext、MobileNetV2和EfficientNet-B0等轻量级模型。相较于原MobileNext模型,改进后的MobileNext模型识别准确率提高了1.17个百分点,参数量仅为1.775×106,推理时间仅为16.5 ms。在实际的零售场景中,所提方法只需很小的参数量和运算量就能实现较好的识别效果,并能够部署在边缘设备上。

来源：2024年第6期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第6期