###
:2024,37(2):303-309
←前一篇   |   后一篇→
本文二维码信息
码上扫一扫!
基于改进YOLOv4-tiny的机械零件目标检测算法
(青岛理工大学信息与控制工程学院)
摘要
图/表
参考文献
相似文献
本文已被:浏览 219次   下载 304
    
中文摘要: 随着智能化生产的普及,机械零件的智能装配技术受到广泛关注,为了改善传统特征提取算法中检测误差大、精度低等问题,本文以常见机械零件为研究目标,结合深度学习算法中的轻量级网络为基础模型进行优化,使用YOLOv4-Tiny中的CSP-Darknet53 Tiny作为特征提取网络,在特征提取网络后添加改进后的MA-RFB模块,引入多分支卷积和空洞卷积加强感受野。并对颈部网络进行改进,选择PANet代替FPN,并添加注意力模块CBAM,形成CM-PANet对零件目标进行多尺度检测,在自制的零件数据集AP达到96.47%,检测速度达到0.00138s每样本。相比于原版YOLOv4-Tiny网络AP提高了2.80%,改进后的算法在速度和精度达到了一个平衡,体现了研究的理论和应用价值。
Abstract:
keywords:
文章编号:cg220288     中图分类号:TN911.73;TP183    文献标志码:
基金项目:国家自然科学基金项目(51475251);山东省自然科学基金(ZR2013FM014);山东省高等学校科技计划项目(J12LN37);青岛市科技计划项目(15-9-2-109-nsh);青岛市民生计划项目(22-3-7-xdny-18-nsh)
Author NameAffiliationE-mail
  dubaoshuai511@163.com 
引用文本:


用微信扫一扫

用微信扫一扫