期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于改进YOLOX-s的轻量级型钢表面缺陷检测算法 被引量:7
1
作者 黄啸 吴龙 +1 位作者 黎尧 吕宏泽 《计算机应用》 CSCD 北大核心 2023年第S02期201-208,共8页
单阶段目标检测网络特征融合性能不足,且型钢生产现场计算资源受限,导致型钢表面缺陷检测精度较低。针对上述问题,提出一种改进YOLOX-s的轻量级型钢表面缺陷检测算法。首先,提出一种轻量级双路并行注意力模块并将该模块引入YOLOX-s,以... 单阶段目标检测网络特征融合性能不足,且型钢生产现场计算资源受限,导致型钢表面缺陷检测精度较低。针对上述问题,提出一种改进YOLOX-s的轻量级型钢表面缺陷检测算法。首先,提出一种轻量级双路并行注意力模块并将该模块引入YOLOX-s,以提高网络对缺陷特征的敏感度和提升有效特征的提取效率;其次,在Neck中构建双向特征金字塔网络(BiFPN)加权特征融合路径,促进浅层细节特征与深层语义特征的交互融合,强化网络特征融合能力,并在网络中引入深度可分离卷积(DSC)对模型进行轻量化处理;最后,将模型的边界框回归损失函数替换为完全交并比(CIoU)损失,加快模型收敛,提升预测框的定位精度。在NEU-DET数据集上的实验结果表明,所提算法的平均精度均值(mAP)达到了74.6%,比原始YOLOX-s提升了4.8个百分点,推理帧率达到75.2 frame/s,能够满足实时性检测的需求;生产现场采集的型钢数据集进一步验证了所提算法的可行性。 展开更多
关键词 YOLOX-s 双向特征金字塔网络 并行注意力 完全交并比 损失 深度可分离卷积 型钢表面缺陷检测
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部