面向工业场景带钢表面缺陷检测的LF-YOLOOA北大核心CSTPCD
针对工业场景下带钢表面缺陷尺寸大小不一、采集图像模糊导致传统缺陷检测算法在实际应用中精度低的问题,提出一种面向工业场景带钢表面缺陷检测的LF-YOLO算法。模型通过设计一种局部填充上采样模块对输入像素进行上采样,提高模型对模糊图片的识别能力,降低模型对小目标缺陷的漏检率。通过引入专注视觉任务的FReLU激活函数,提高模型定位缺陷的准确率。提出一种轻量级的漏斗注意力机制并与特征提取模块C2f进行结合,增强模型对不同尺寸缺陷的特征提取能力。在开源数据…查看全部>>
马肖瑶;黎睿;李自力;翟文正
华中科技大学软件学院,武汉430074华中科技大学软件学院,武汉430074华中科技大学软件学院,武汉430074华中科技大学机械学院,武汉430074
计算机与自动化
带钢表面缺陷检测深度学习上采样注意力机制激活函数
《计算机工程与应用》 2024 (18)
P.78-87,10
湖北省科技创新人才计划(2023DJC053)。
评论