典型文献
基于改进YOLOv3的卷纸包装缺陷实时检测算法
文献摘要：
为了解决卷纸包装过程中的缺陷检测问题,提高卷纸包装缺陷的检测速度和准确率,提出了一种改进的YOLOv3算法(iYOLOv3算法).该算法通过将卷积神经网络和多头自注意力相结合,可更加充分地提取图片的局部和全局特征;并将不同尺度的特征图进行多尺度特征融合,同时改善了YOLOv3算法的解码公式,iYOLOv3算法的AP@50:5:95比YOLOv3算法提高了5.8个百分点,检测速度达到了80帧/s,是YOLOv3算法的2倍以上,表明了其在实际应用的可行性.
文献关键词：
卷纸包装;缺陷检测;卷积神经网络;自注意力;多尺度特征
中图分类号：
作者姓名：
李志诚;曾志强
作者机构：
五邑大学智能制造学部,广东江门,529000
文献出处：
引用格式：
[1]李志诚;曾志强-.基于改进YOLOv3的卷纸包装缺陷实时检测算法)[J].中国造纸学报,2022(02):87-93
A类：
卷纸包装,iYOLOv3
B类：
实时检测,检测算法,装过,缺陷检测,检测问题,检测速度,多头自注意力,全局特征,不同尺度,特征图,多尺度特征融合,解码,AP,百分点
AB值：
0.149777
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。
