典型文献
基于改进YOLOv4-tiny的零件目标检测
文献摘要：
针对无序多角度零件视觉识别准确率不高,定位精度低的问题,提出一种基于YOLOv4-tiny的改进神经网络算法.改进的算法主要是将CBAM注意力机制引入到YOLOv4-tiny网络,使特征提取网络关注重要特征区域,并过滤无关信息.采用K-means算法对数据集进行聚类,重新得到anchor的对应参数.在零件数据集上进行对比实验,测试结果表明:所提算法在满足实时性的基础上,准确率相比原网络提高了3.4％,平均精确率提高了1.8％,具有较好的综合检测能力.该研究可为工业机器人的零件智能分拣提供技术参考.
文献关键词：
目标检测;深度学习;零件识别;注意力机制
中图分类号：
作者姓名：
殷宇翔;徐顺清;何坚强;蒋成晨;陆群;唐乾榕
作者机构：
盐城工学院电气工程学院 盐城 224000
文献出处：
引用格式：
[1]殷宇翔;徐顺清;何坚强;蒋成晨;陆群;唐乾榕-.基于改进YOLOv4-tiny的零件目标检测)[J].计算机与数字工程,2022(09):1945-1949,2029
A类：
B类：
YOLOv4,tiny,目标检测,视觉识别,识别准确率,定位精度,改进神经网络,神经网络算法,CBAM,注意力机制,特征提取网络,网络关注,特征区域,并过,means,重新得到,anchor,件数,精确率,综合检测,检测能力,工业机器人,智能分拣,零件识别
AB值：
0.479431
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。
