文献检索-宁波市创意产业特色资源库

限定检索结果

改进YOLOv5的钢材表面缺陷检测网络轻量化研究: 收藏
分享
引用; 《组合机床与自动化加工技术》2024年第3期 58-63页; 作者：甄国涌赵林熔李文越储成群王达孙妍中北大学仪器与电子学院太原030051 陆军装备部驻北京地区军事代表局某军代室太原030000 北京遥感设备研究所北京100005; 在YOLOv5模型的基础上设计了一种改进的轻量化网络,能够快速准确地实现钢材表面缺陷检测。首先,使用基于梯度路径设计的ELAN结构,通过提高网络的学习能力来提高检测精度;其次,引入深度可分离卷积和Ghostv2模块减少模型体积和参数量;最后...; 在YOLOv5模型的基础上设计了一种改进的轻量化网络,能够快速准确地实现钢材表面缺陷检测。首先,使用基于梯度路径设计的ELAN结构,通过提高网络的学习能力来提高检测精度;其次,引入深度可分离卷积和Ghostv2模块减少模型体积和参数量;最后,利用SIOU边界框损失函数训练模型,使模型能够快速收敛并且精确回归。在NEU-DET上的实验结果表明,改进后的模型mAP值提升到77.0%,相较于原模型提高了5.3%,模型体积减少了42.1%,参数量减少了43.4%,检测速度也快了0.4 ms,实现了模型轻量化效果和检测精度的平衡,为后续在硬件终端上部署提供了一种可行方案。; 来源：详细信息评论

限定检索结果