基于改进RT-DETR模型的轻量化条形码识别算法研究

为了解决复杂环境下条形码检测精度不足、模型体积大且不利于硬件移植等问题,提出一种基于改进RT-DETR模型的轻量化检测算法,即CS-RT-DETR。该算法采用轻量化ConvNeXtV2主干进行特征提取,降低模型参数量冗余;设计一种多尺度MSG-Conv卷积替换编码器中的常规卷积,提升模型多尺度特征信息的识别能力;提出一种并行膨胀卷积网络结构CSP-FAFB,使模型获得更大感受野;提出一种基于Gate机制下的注意力采样方法,提高模型对重要特征的敏感性;采用Inner-DIoU损失函数提升模型收敛速度。结果表明,相较于基线算法,所提算法召回率提升0.51%,精确率提升0.48%,参数量、浮点运算量、内存占用量分别下降45.2%、55.9%、47.3%。CS-RT-DETR模型在不损失检测精度的同时满足了轻量化要求。

资料为PDF文档格式.

本文档关键词:条形码,算法,量化,识别,模型