基于YOLOv5s的金属制品表面缺陷的轻量化算法研究OA北大核心CSTPCD
Lightweight Surface Defect Detection Method of Metal Products Based on YOLOv5s
为解决企业降低智能化成本的要求,运用低成本、低算力的硬件设备,通过深度学习中目标检测算法模型对产品进行缺陷检测.基于深度学习目标检测中的YOLOv5s网络,采用结构裁剪思想,并基于网络中的BN层对网络进行稀疏训练,将稀疏训练后的模型对应权重值较小的层进行裁剪,从而降低模型的计算参数数量以及模型文件大小,达到轻量化的效果.使用NVIDIA的加速推理框架TensorRT对训练好的裁剪模型进行层级融合,实现推理加速效果.实验结果表明:所提目标检测模型相…查看全部>>
贾云飞;郑红木;刘闪亮
中国民航大学 电子信息与自动化学院, 天津 300300中国民航大学 电子信息与自动化学院, 天津 300300中国民航大学 电子信息与自动化学院, 天津 300300
信息技术与安全科学
表面缺陷目标检测轻量化YOLOv5sTensorRT
《郑州大学学报（工学版）》 2022 (5)
31-38,8
中央高校基本科研业务费资助项目(3122019185)
评论