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5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：
基于改进YOLOv5的新材料地板表面缺陷检测研究
1
作者 张忠 魏国亮 +2 位作者 张之江 蔡贤杰 王耀磊 《包装工程》 CAS 北大核心 2023年第7期196-203,共8页
目的提升质检过程中新材料地板的表面缺陷检测精度。方法通过翻转、水平迁移和垂直迁移对采集到的缺陷图像进行扩充,构建新材料地板缺陷数据集。基于YOLOv5算法,增加一个预测头,使算法对微小缺陷更加敏感;其次在网络的特征融合层应用Swi... 目的提升质检过程中新材料地板的表面缺陷检测精度。方法通过翻转、水平迁移和垂直迁移对采集到的缺陷图像进行扩充,构建新材料地板缺陷数据集。基于YOLOv5算法,增加一个预测头,使算法对微小缺陷更加敏感;其次在网络的特征融合层应用Swin Transformer模块,形成注意力机制预测头,提高网络特征提取效率;然后在网络主干末端加入SE模块,使网络提取有用的信息特征,提高模型精度。结果实验结果表明,提出的新材料地板表面缺陷检测方法能够准确判别地板好坏,并能够识别出白色杂质、黑斑、边损、气泡胶等4类表面缺陷,各缺陷类型的平均精确均值为82.30%,比YOLOv5 Baseline提高了6.58%,相比其他典型目标检测算法也能够更准确和快速地识别地板表面缺陷。结论通过改进的YOLOv5算法可以更准确地对地板表面缺陷进行分类与定位,从而大大提高工业质检效率。 展开更多
关键词 新材料地板 缺陷检测 YOLOv5 预测头 注意力机制
下载PDF
改进YOLOv5s的复杂交通场景路侧目标检测算法 被引量：8
2
作者 杨睿宁 惠飞 +1 位作者 金鑫 侯瑞宇 《计算机工程与应用》 CSCD 北大核心 2023年第16期159-169,共11页
针对传统路侧目标检测模型存在的对于行人、非机动车、受遮挡车辆等小目标检测精度低以及模型体积过大的问题,提出了一种基于改进YOLOv5s的路侧目标检测模型。使用EIoU Loss替换原始的CIoU Loss作为目标边界框的回归损失函数,在加快预... 针对传统路侧目标检测模型存在的对于行人、非机动车、受遮挡车辆等小目标检测精度低以及模型体积过大的问题,提出了一种基于改进YOLOv5s的路侧目标检测模型。使用EIoU Loss替换原始的CIoU Loss作为目标边界框的回归损失函数,在加快预测框回归损失函数收敛速度的同时提升了预测框的回归预测精度;使用轻量级的通用上采样算子CARAFE替换原始的最近邻插值上采样模块,减少了上采样过程中特征信息的损失;在原始的三尺度检测层的基础上新添加一层检测尺度更小的小目标检测分支,并提出了一种高效的解耦预测头对不同尺度的检测层进行解耦,进一步提升了模型对于小目标的检测能力;对改进后的模型进行通道剪枝,剪除对于检测效果影响不大的冗余通道,降低模型体积,使得模型更加适用于资源受限条件下的路侧目标检测任务。在路侧目标检测数据集DAIR-V2X-Ⅰ上的实验结果表明,相较于原始YOLOv5s算法,改进后的算法在模型体积减小5.7 MB的基础上,mAP50、mAP50:95分别提高了2.5个百分点和3.8个百分点,达到了90.3%、67.7%,检测速度也达到了89 FPS。与其他主流的目标检测算法在检测精度、模型体积以及检测速度上相比有一定的优势,改进后的算法适用于复杂交通场景下的路侧目标检测任务。 展开更多
关键词 目标检测 路侧感知 YOLOv5 EIoU Loss CARAFE 解耦预测头 通道剪枝
下载PDF
基于MCB-FAH-YOLOv8的钢材表面缺陷检测算法 被引量：1
3
作者 崔克彬 焦静颐 《图学学报》 CSCD 北大核心 2024年第1期112-125,共14页
针对现有基于深度学习的钢材表面缺陷检测算法存在误检、漏检和检测精度低等问题,提出一种基于改进CBAM(modified CBAM,MCB)和可替换四头ASFF预测头(four-head ASFF prediction head,FAH)的YOLOv8钢材表面缺陷检测算法,简记为MCB-FAH-YO... 针对现有基于深度学习的钢材表面缺陷检测算法存在误检、漏检和检测精度低等问题,提出一种基于改进CBAM(modified CBAM,MCB)和可替换四头ASFF预测头(four-head ASFF prediction head,FAH)的YOLOv8钢材表面缺陷检测算法,简记为MCB-FAH-YOLOv8。通过加入改进后的卷积注意力机制模块(CBAM)对密集目标更好的确定;通过将FPN结构改为BiFPN更加高效的提取上下文信息;通过增加自适应特征融合(ASFF)自动找出最适合的融合特征;通过将SPPF模块替换为精度更高的SimCSPSPPF模块。同时,针对微小物体检测,提出了四头ASFF预测头,可根据数据集特点进行替换。实验结果表明,MCB-FAH-YOLOv8算法在VOC2007数据集上检测精度(mAP)达到了88.8%,在NEU-DET钢铁缺陷检测数据集上检测精度(mAP)达到了81.8%,较基准模型分别提高了5.1%和3.4%,该算法在牺牲较少检测速度的情况下取得较高的检测精度,很好的平衡了算法的精度和速度。 展开更多
关键词 MCB-FAH-YOLOv8 缺陷检测 注意力机制 四头ASFF预测头 特征融合
下载PDF
改进YOLOv7的玻璃表面缺陷检测方法研究
4
作者 宋吕明 刘明芹 +2 位作者 李祥宾 朱雅 王家超 《机电工程技术》 2024年第6期209-215,共7页
针对电子产品玻璃边缘表面的电极区域与非电极区域深加工过程中产生的大划伤、小划伤、划痕、异物等缺陷,提出了一种基于改进的YOLOv7的玻璃表面缺陷小样本检测方法。首先,在主干网络中加入卷积注意力模块(Convolutional Block Attentio... 针对电子产品玻璃边缘表面的电极区域与非电极区域深加工过程中产生的大划伤、小划伤、划痕、异物等缺陷,提出了一种基于改进的YOLOv7的玻璃表面缺陷小样本检测方法。首先,在主干网络中加入卷积注意力模块(Convolutional Block Attention Module, CBAM)提高了通道注意力与空间注意力,解决了玻璃表面缺陷面积较小、在图像中分布差异较大、提高卷积神经网络在缺陷区域学习鲁棒性的特征表示的问题。其次,考虑到工业生产过程中缺陷样本较少、样本量不均衡,采用随机高斯噪声、Mixup、随机填充图像和随机拼接等图像增强方法,将样本进行扩充,并使样本均衡化。最后,将增加一个预检测头用于细长且轻浅的划痕检测,结合其他3个预测头,四预测头结构可以有效缓解过大差异对象带来的尺度方差引起的负面影响。实验结果表明,改进的YOLOv7算法相较于原始算法,平均精度提高了6.15%(mAP),检测效果优于当前YOLOv7网络,在一定程度上提高了工业生产过程中玻璃表面缺陷的小样本检测精度。 展开更多
关键词 YOLOv7 玻璃表面缺陷检测 卷积注意力模块 图像增强 四预测头结构
下载PDF
基于空间自适应和内容感知的红外小目标检测
5
作者 闵锋 刘彪 +2 位作者 况永刚 毛一新 刘煜晖 《红外技术》 CSCD 北大核心 2024年第7期735-742,共8页
由于红外街道图像中小目标像素较少、颜色特征不丰富,容易导致模型漏检、误检以及检测效果不佳等问题,因此提出了一种基于空间自适应和内容感知的红外小目标检测算法。首先,通过堆叠局部注意力与可变形注意力设计一种基于空间自适应的... 由于红外街道图像中小目标像素较少、颜色特征不丰富,容易导致模型漏检、误检以及检测效果不佳等问题,因此提出了一种基于空间自适应和内容感知的红外小目标检测算法。首先,通过堆叠局部注意力与可变形注意力设计一种基于空间自适应的转换器,以增强对长距离依赖特征的建模能力,捕获到更多空间位置信息。其次,采用内容感知特征重组算子进行特征上采样,实现在大感受野内聚合上下文信息以及利用浅层特征信息来自适应地重组特征。最后增加160×160的高分辨率预测头,将输入特征的像素点映射到更细小的检测区域,进一步改善小目标的检测效果。在FILR数据集上的实验结果表明,改进算法的平均精度均值达到85.6%,相较于YOLOX-s算法提高了3.9%,验证了所提算法在红外小目标检测上的优越性。 展开更多
关键词 空间自适应 内容感知 红外目标 重组特征 高分辨率预测头
下载PDF
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