-
题名基于改进YOLOv4的饮料识别算法
被引量：1
- 1
-
-
作者
沈薇
李红梅
陶苑
朱学玲
-
机构
安徽新华学院大数据与人工智能学院
-
出处
《现代信息科技》
2024年第15期36-41,共6页
-
基金
安徽省省级质量工程项目(2018mooc434,2020jxtd120,2020mooc188)
安徽省大学生创新训练项目(S202212216038,S202212216023)。
-
文摘
随着深度学习在商品识别领域的发展,饮料作为常见的商品,将饮料识别技术应用于自助饮料售卖柜中具有一定的研究意义和价值。为了减少饮料类别特征相似误检,提出了一种基于改进YOLOv4的饮料识别算法,通过在基础网络CSPDarknet53的每组残差模块之间增加通道注意力机制来增强饮料区域特征信息。实验结果表明,改进后的YOLOv4模型mAP值为92.43%,比改进前提高了1.74%,具有较好的实际应用价值。
-
关键词
饮料识别
cspdarknet53
YOLOv4
通道注意力机制
-
Keywords
beverage identification
cspdarknet53
YOLOv4
Channel Attention Mechanism
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名结合卷积注意力机制改进YOLOv5s的垃圾检测
- 2
-
-
作者
王娟娟
黄炜
马生菊
-
机构
兰州信息科技学院信息工程学院
-
出处
《电子器件》
CAS
2024年第5期1434-1440,共7页
-
基金
甘肃省创新基金项目(2022B-413)。
-
文摘
针对传统生活垃圾检测模型检测精度低,假阳性和假阴性高的问题,提出一种结合卷积注意力机制改进YOLOv5s的垃圾检测算法。首先,利用改进的双阈值非极大抑制算法(NMS)查找原始YOLOv5s的锚框中置信度较高的检测框;然后,利用卷积注意力机制(CBAM)改进CSPDarknet53特征提取网络,强化映射到深度特征空间的特征的表达能力;最后,在自制垃圾检测数据集上对改进的网络进行训练,实现垃圾的快速定位与识别。通过在真实场景中进行测试,结果表明所提模型可以实现不同形态的多种垃圾定位与识别,平均识别精度达到95.61%,召回率达到94.85%,F1值可以达到95.70%,同时可以实现单幅图像6.01 ms的检测时间开销,满足实际应用需求,有助于促进垃圾智能化检测的效率。
-
关键词
垃圾检测
YOLOv5s
卷积注意力机制
双阈值非极大抑制算法
cspdarknet53
-
Keywords
garbageclassification
YOLOv5s
comvolutional block attention module
dual-threshold non-maximum suppression
cspdarknet53
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于深度学习的布匹疵点检测方法
被引量：12
- 3
-
-
作者
李宇
刘孔玲
黄湳菥
-
机构
武汉纺织大学湖北省数字化纺织装备重点实验室
武汉纺织大学湖北省功能纤维加工及检测工程技术研究中心
武汉纺织大学电子与电气工程学院
-
出处
《毛纺科技》
CAS
北大核心
2021年第4期98-103,共6页
-
文摘
为快速、准确检测布匹疵点,提出以深度学习目标检测框架YOLOv4为基础的布匹疵点检测方式,首先将5种常见疵点图像(吊经、百脚、结点、破洞、污渍)进行预处理,然后将图像输入到YOLOv4算法中进行分类。YOLOv4采用CSPDarknet53作为主干网络提取疵点特征,SPP模块、FPN+PAN的方式作为Neck层进行深层疵点特征提取,预测层采用3种尺度预测方式,对不同大小的疵点进行检测。研究结果表明:经600个测试集样本的验证,该方法对疵点图像的检测准确率达95%,检测单张疵点图像的速率为33 ms。与SSD、Faster R-CNN、YOLOv3方法进行比较,采用YOLOv4方法准确率更高,速度更快。
-
关键词
深度学习
布匹疵点检测
YOLOv4
cspdarknet53
SPP
-
Keywords
learning
fabric defect detection
YOLOv4
cspdarknet53
SPP
-
分类号
TP278
[自动化与计算机技术—检测技术与自动化装置]
TS147
[轻工技术与工程—纺织材料与纺织品设计]
-
