典型文献
基于改进YOLOv5的工业钢材瑕疵检测算法
文献摘要：
针对工业钢材瑕疵检测过程中存在的对多类别瑕疵检测精度低、效率低的问题,提出一种基于改进YOLOv5的瑕疵检测算法.首先在主干网络添加协同注意力机制,嵌入目标位置信息从而提升特征提取能力;然后改变边框回归的损失函数为CIoU Loss,提升对检验框定位的准确度;最后利用Ghost模块轻量化特点提出C3Ghost结构替换路径聚合层中的C3结构,减少模型参数量.测试结果表明,改进后的算法mAP值提升了2.6％,模型参数量减少了13.3％.验证了改进算法对工业钢材的多类别瑕疵检测的有效性.
文献关键词：
钢材瑕疵检测;YOLOv5;协同注意力机制;损失函数;Ghost模块
中图分类号：
作者姓名：
周繁;廖义奎
作者机构：
广西民族大学电子信息学院,南宁 530006
文献出处：
引用格式：
[1]周繁;廖义奎-.基于改进YOLOv5的工业钢材瑕疵检测算法)[J].现代计算机,2022(22):1-8
A类：
钢材瑕疵检测,C3Ghost
B类：
YOLOv5,检测算法,检测过程,多类别,检测精度,主干网络,协同注意力机制,目标位置,位置信息,特征提取能力,边框回归,损失函数,CIoU,Loss,框定,路径聚合,模型参数量,mAP,改进算法
AB值：
0.240293
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。
