基于SENet和YOLOv5s的物品分拣方法和装置、模型训练方法和装置

本发明公开了一种基于SENet和YOLOv5s的物品分拣方法和装置、模型训练方法和装置，涉及物品分拣领域；待识别的物品分拣标记图像通过基于SENet注意力机制的YOLOv5s目标检测模型进行识别，该模型通过在YOLOv5s的CSP模块中的残差块之后加入SENet通道注意力机制模块，和/或在YOLOv5s的PAN结构中的最后一个拼接层之后加入SENet通道注意力机制模块进行构建；该模型训练时，训练样本通过几何增强、颜色增强和噪声注入进行数据增强，利用AdamW优化器进行模型优化，基于余弦退火法设置学习率，利用丢弃法和L2正则化防止过拟合，还对模型进行剪枝和量化；本发明能够适用于复杂背景、目标密集、尺度变化大的场景，具有较小计算开销、较高计算效率的同时能够提升检测精度，提升准确率。