基于改进YOLOv3的金属表面缺陷检测

摘要：

为提高工业零件表面缺陷的检测效率,提出一种基于改进YOLOv3的目标检测方法.引入目前最新的具有通道置换的注意力机制SA,将其与YOLOv3模型骨架结构Darknet-53的残差单元进行组合改进构成SA残差块结构,充分利用特征通道信息,得到YOLOv3-SA模型.针对不同数据集,对输入图像进行不同规模比例缩放,分别使用K-means方法对真实标框进行聚类以提高检测效率.实验结果表明,YOLOv3-SA模型查全率达95.4%,相比YOLOv3,mAP最多可提高约7%.

关键词：深度学习、目标检测、YOLO、Shuffle、SA、注意力机制、K-means

所属期刊栏目：45

分类号：TP389.1(计算技术、计算机技术)

资助基金：国家重点研发计划;天津市教委科研项目

在线出版日期：2023-08-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1226-1235