典型文献
注意力机制优化RetinaNet的密集工件检测方法研究
文献摘要：
针对密集工件存在相似度高、排列无序的特性导致检测难度大的问题,提出了一种注意力机制优化RetinaNet的密集工件检测方法.首先将注意力机制引入到RetinaNet主干特征提取网络以减少干扰物对检测效果的影响,提高神经网络的特征提取能力;然后利用Soft-NMS构建新的预测框提高重叠定位精度;最后通过迁移学习的方法训练数据集,提高模型训练效率.在密集工件数据集上验证该方法的有效性,实验结果表明,改进后的方法检测精度达到了 98.11％,相较于改进前提高了 2.59％,单张图片检测速度达到了 0.026 s,该方法能够满足实际工业生产过程中精准检测工件的目的,在保证速度的同时降低了漏检率和误检率.
文献关键词：
目标检测;密集工件;注意力机制;RetinaNet
中图分类号：
作者姓名：
徐健;陆珍;刘秀平;张立昌;闫焕营
作者机构：
西安工程大学电子信息学院 西安 710048;西安工程大学工程训练中心 西安 710048;深圳罗博泰尔机器人有限公司 深圳 518109
文献出处：
引用格式：
[1]徐健;陆珍;刘秀平;张立昌;闫焕营-.注意力机制优化RetinaNet的密集工件检测方法研究)[J].电子测量与仪器学报,2022(01):227-235
A类：
密集工件
B类：
注意力机制,机制优化,RetinaNet,工件检测,主干特征提取网络,干扰物,检测效果,高神,特征提取能力,Soft,NMS,定位精度,迁移学习,方法训练,训练数据集,模型训练,训练效率,件数,检测精度,进前,单张,检测速度,精准检测,漏检率,误检率,目标检测
AB值：
0.361326
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
