典型文献
基于YOLOv4的航空发动机叶片凸台目标检测
文献摘要：
针对航空发动机内部检测叶片凸台缺陷的问题,提出了一种基于YOLOv4(You Only Look Once)的目标检测算法.算法使用迁移学习加载了在coco公开数据集上训练的预训练模型权重,为了更好的适应对凸台检测中小目标、结构复杂的特点,通过聚类分析的方法调整先验框尺寸,同时对原始数据集使用Mosaic方法进行数据增强.实验结果表明,改进后的YOLOv4模型在检测精度上提高了 15.85％,召回率提高了 21％,平均交并比可达0.75,检测性能优于在同一数据集中使用的SSD目标检测算法.
文献关键词：
目标检测;叶片凸台检测;聚类分析;数据增强
中图分类号：
作者姓名：
陈为;钟欣童;张婧;李泽辰
作者机构：
青岛科技大学自动化与电子工程学院,山东青岛266000;青岛北海船舶重工有限责任公司,山东青岛266000
文献出处：
引用格式：
[1]陈为;钟欣童;张婧;李泽辰-.基于YOLOv4的航空发动机叶片凸台目标检测)[J].计算机仿真,2022(07):17-21
A类：
叶片凸台检测
B类：
YOLOv4,航空发动机叶片,机内,You,Only,Look,Once,目标检测算法,迁移学习,coco,公开数据集,预训练模型,模型权重,小目标,先验框,原始数据,Mosaic,数据增强,检测精度,召回率,平均交并比,检测性能,一数,SSD
AB值：
0.382823
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。
