10.3969/j.issn.1001-7415.2023.03.002
基于YOLOv5⁃DCN的织物疵点检测
探讨基于改进的YOLOv5织物疵点检测算法.为了增强网络模型的特征提取能力,在主干特征提取网络的卷积层中引入可变形卷积,并设计ResDCN模块用于取代原网络中的残差单元模块.针对织物疵点边缘轮廓不规则、目标区域占比小等特征,将原边框回归损失函数改进为Focal EIoU损失函数.该模型采用DyReLU激活函数,将动态卷积核与动态激活函数相结合,显著提高了织物疵点检测的准确性.试验结果表明:与YOLOv5s模型相比,YOLOv5?DCN模型的精准率、召回率和mAP@0.5值分别提升了4.99个百分点、2.26个百分点和2.49个百分点.认为:基于YOLOv5?DCN的织物疵点检测算法可为复杂环境下织物疵点的高效识别提供可靠的技术支持.
疵点检测、YOLOv5模型、卷积神经网络、可变形卷积、DyReLU激活函数
51
TS941.26
国家自然科学基金;泰山产业领军人才项目
2023-03-22(万方平台首次上网日期,不代表论文的发表时间)
共7页
8-14