改进YOLOv5s的钢轨表面缺陷检测算法OA北大核心CSTPCD
Rail surface defect detection algorithm based on improved YOLOv5s
针对钢轨多类别缺陷识别任务中样本不平衡、尺度差异大,提出一种改进YOLOv5s的钢轨表面缺陷检测算法.在骨干网络中嵌入全局注意力机制,增强网络对缺陷特征的提取能力;构建加权双向特征融合网络,减少缺陷目标特征信息的丢失;在颈部采用改进的卷积结构,降低模型复杂度,同时提升检测精度;最后引入WIoU损失函数提升低质量样本预测能力.该方法在2种不同类别的数据集中都具有较好的表现,在RailDefect公共数据集上,其平均精度均值(mAP)达到91.2％,…查看全部>>
To address the unsatisfactory detection results caused by imbalanced samples and large scale differences in the multi class defect recognition task of steel rails,this paper proposes an improved YOLOv5s rail surface defect detection algorithm.A global attention mechanism is embedded in the backbone network to enhance the network's ability to extract defect features.A weighted bidirectional feature fusion network is built to reduce the loss of feature informa…查看全部>>
李军;许炫皓;王耀弘
重庆交通大学 机电与车辆工程学院,重庆 400074重庆交通大学 机电与车辆工程学院,重庆 400074重庆市计量质量检测研究院,重庆 401121
计算机与自动化
钢轨多类别缺陷YOLOv5s注意力机制加权双向特征融合网络损失函数
the multi class defect recognition task of steel railsYOLOv5sattention mechanismweighted bidirectional feature fusion networkloss function
《重庆理工大学学报》 2024 (15)
130-137,8
国家自然科学基金项目(52172381)重庆市研究生联合培养基地资助项目(JDLHPYJD2018003)
评论