基于改进YOLOv5s的服务机器人物品识别算法OA北大核心

随着“无人化”概念的不断加深,家庭服务机器人的功能需求越来越高,快速拿取指定生活用品并准确递送的功能具有很强的市场价值。但高精度的检测算法对硬件需求很高。因此,提出一种改进YOLOv5s的深度学习算法(YOLOv5ss)来识别生活用品,采用内卷积操作代替卷积提取图像特征,并基于CDIoU方法对预测评估系统进行优化,有效地减少模型复杂度,加快识别速度。通过对比实验发现,YOLOv5ss网络在保证精度的情况下,大幅度减少模型复杂度,并提高识别速度。