-
题名基于改进YOLOv4的轻量化织物疵点检测方法
被引量：5
- 1
-
-
作者
章永鉴
孔祥松
黄惠玲
方俊杰
韩军
-
机构
厦门理工学院
中国科学院海西研究院泉州装备制造研究中心
辽宁工程技术大学
-
出处
《棉纺织技术》
CAS
北大核心
2023年第3期15-21,共7页
-
基金
泉州市科技计划项目(2019STS04)
福建省中科院STS计划配套院省合作项目(2021T3032,2021T3060)
泉州市人才创新共享联盟联合攻关项目(2021C063L)。
-
文摘
为解决传统织物疵点检测速度慢、精度低以及部署难问题,提出一种基于改进YOLOv4的轻量化织物疵点检测方法。以YOLOv4网络为基础,使用轻量主干网络GhostNet,并添加Light CBAM注意力机制,以减少网络参数并提高检测精度;采用特征自适应融合ASFF策略,充分利用特征图纹理与语义信息,提高小目标疵点检测能力;改进NMS算法,生成预测框更快更精确。试验结果表明:相较于YOLOv4网络,改进的算法效率提升显著,mAP@0.5提高1.38个百分点,检测速度提高了14帧/s,模型参数量下降71.6%。
-
关键词
织物疵点
YOLOv4
轻量化
CBAM注意力
特征自适应融合
-
Keywords
fabric defect
YOLOv4
lightweight
CBAM attention
adaptive spatial feature fusion
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名DFNet:高效的无解码语义分割方法
- 2
-
-
作者
刘腊梅
杜宝昌
黄惠玲
章永鉴
韩军
-
机构
辽宁工程技术大学软件学院
中国科学院海西研究院泉州装备制造研究中心
厦门理工学院电气工程与自动化学院
-
出处
《液晶与显示》
CAS
CSCD
北大核心
2024年第2期121-130,共10页
-
基金
福建省科技计划(No.2019T3025,No.2021T3060,No.2021T3032,No.2021T3010)
福建省闽都实验室主任基金(No.2021ZR107)。
-
文摘
针对编解码语义分割网络计算量大、解码结构复杂的问题,提出一种高效无解码的二值语义分割模型DFNet。该模型首先去除主流分割网络中复杂的解码结构和跳跃连接,采用卷积重塑上采样方法重塑特征编码直接得到分割结果,简化网络模型结构;其次在编码器中融合轻量双重注意力机制EC&SA,提高特征编码的通道及空间信息交互,增强网络的编码能力;最后使用PolyCE损失替代常规分割损失,解决正负样本不均衡问题,提高模型的分割精度。在Deep‑Globe道路分割和CrackForest缺陷检测等二值分割数据集上的实验结果表明,本文模型的分割精度F1均值和IoU均值分别达到84.69%和73.95%,且分割速度高达94 FPS,远超主流语义分割模型,极大地提高了分割任务效率。
-
关键词
二值分割
卷积重塑上采样
EC&SA
PolyCE
道路分割
缺陷检测
-
Keywords
binary segmentation
convolution remolding upsampling
EC&SA
PolyCE
road segmentation
defect detection
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
