基于 FSA-YOLOv5 的智能家居设备检测算法
计算机视觉与模式识别
2023-05-09 v1
摘要
智能家居设备检测是人机交互的关键环节。然而，由于环境光与背景噪声的干扰，室内环境中的目标检测颇具挑战。本文提出一种名为 FSA-YOLOv5 的新模型，其通过引入 Transformer 学习长程依赖，克服了传统卷积神经网络的局限。此外，我们提出一种新的注意力模块——全分离注意力模块，其融合空间与通道维度信息以学习上下文信息。为改进微小设备检测，我们为室内智能家居设备检测任务增设了一个预测头。我们还发布了东南大学室内智能音箱数据集（SUSSD）以补充现有数据样本。通过在 SUSSD 上的一系列实验，我们证明所提方法优于其他方法，凸显了 FSA-YOLOv5 的有效性。
引用
@article{arxiv.2305.04534,
title = {Smart Home Device Detection Algorithm Based on FSA-YOLOv5},
author = {Jiafeng Zhang and Xuejing Pu},
journal= {arXiv preprint arXiv:2305.04534},
year = {2023}
}