期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到2篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于正则化YOLO的钢表面缺陷检测方法
1
作者 邓焕 《科技创新与应用》 2024年第11期168-172,共5页
钢铁表面常常显示出错综复杂的纹理模式,这些模式与缺陷相似,给准确识别实际缺陷带来挑战。该研究在基线模型YOLOv8s的基础上提出一种基于正则化YOLO框架的钢表面缺陷检测方法。首先,在C2F框架中嵌入了坐标注意力(CA),利用轻量级注意力... 钢铁表面常常显示出错综复杂的纹理模式,这些模式与缺陷相似,给准确识别实际缺陷带来挑战。该研究在基线模型YOLOv8s的基础上提出一种基于正则化YOLO框架的钢表面缺陷检测方法。首先,在C2F框架中嵌入了坐标注意力(CA),利用轻量级注意力模块增强骨干网络的特征提取能力。其次,颈部设计采用可变形卷积(DCN)来加权融合多尺度特征图,增强特征融合能力。最后,对模型的损失函数进行正则化,提高模型的泛化性能。模型在NEU-DET数据集上达到77.94%的mAP0.5。相比基线模型提升2.39%。事实证明该方法更适用于工业检测。 展开更多
关键词 YOLOv8s 钢表面缺陷检测 CA DCN 正则化
下载PDF
基于改进ACGAN的钢表面缺陷视觉检测方法 被引量：2
2
作者 李可 祁阳 +2 位作者 宿磊 顾杰斐 苏文胜 《机械工程学报》 EI CAS CSCD 北大核心 2022年第24期32-40,共9页
为提高小样本环境下钢表面缺陷检测精度,提出一种基于改进辅助分类生成对抗网络(Auxiliary classifier generative adversarial network,ACGAN)的钢表面缺陷检测方法。利用残差块优化ACGAN的网络结构,提高模型的特征提取能力;其次,为提... 为提高小样本环境下钢表面缺陷检测精度,提出一种基于改进辅助分类生成对抗网络(Auxiliary classifier generative adversarial network,ACGAN)的钢表面缺陷检测方法。利用残差块优化ACGAN的网络结构,提高模型的特征提取能力;其次,为提高模型训练的稳定性,在网络的卷积层中添加谱范数归一化,防止模型异常的梯度变化;基于正-未标记分类的思想优化判别器的损失函数,提高生成样本的质量;同时,为缓解生成对抗网络的模式崩塌问题,在损失函数中添加梯度惩罚来约束判别器的梯度;通过生成器和判别器的对抗优化训练实现样本扩充。通过对钢表面缺陷数据集的试验,验证了提出的方法能准确有效地实现小样本环境下钢表面缺陷检测。与经典的SVM、ResNet50以及一些小样本分类模型相比,所提方法具有更高的检测精度。 展开更多
关键词 钢表面缺陷检测 辅助分类生成对抗网络 小样本 梯度惩罚
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部