-
题名基于深度学习的车辆轻微损伤检测算法
- 1
-
-
作者
杨长春
王宇鹏
胡玉蝶
朱文涛
-
机构
常州大学王诤微电子学院、集成电路产业学院
-
出处
《计算机工程与设计》
北大核心
2025年第10期2986-2993,共8页
-
基金
2023年江苏省研究生创新基金项目(KYCX23_3187)
江苏省产学研前瞻研究基金项目(BY20221171)
常州市社会发展基金项目(CE20235037)。
-
文摘
针对车辆损伤检测精确度不足的问题,提出了一种基于YOLOv8改进的实例分割模型。该算法设计了SimPConv模块,在充分保留数据特征信息的基础上融入了SimAM注意力机制,有效降低了目标特征细粒度的丢失。为增强模型对局部特征信息的捕捉能力,提出了新的局部注意力机制SPPRNet。同时,为提升网络多尺度信息的特征提取能力,设计了新的特征融合模块。实验结果表明,SMF-YOLO在APb和APm指标上分别实现了10%、10.5%的提升,且GFLOPs仅为99.7,达到了计算复杂度更低而精度更高的效果。
-
关键词
机器视觉
实例分割
汽车损伤检测
卷积神经网络
注意力机制
多尺度特征融合
深度学习
-
Keywords
machine vision
instance segmentation
vehicle damage detection
convolutional neural network
attention mechanism
multi-scale feature fusion
deep learning
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
