期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
改进轻量化的FCM-YOLOv8n钢材表面缺陷检测 被引量：2
1
作者 梁礼明 陈康泉 +1 位作者 陈林俊 龙鹏威 《光电工程》 北大核心 2025年第2期108-119,共12页
针对现有钢材表面缺陷检测算法在资源消耗、检测精度和效率等方面存在的不足,提出一种基于YOLOv8n的轻量级钢材缺陷检测算法(FCM-YOLOv8n)。该方法一是采用频率感知特征融合网络,高效提取并融合高频信息,以降低计算成本并提升检测速度;... 针对现有钢材表面缺陷检测算法在资源消耗、检测精度和效率等方面存在的不足,提出一种基于YOLOv8n的轻量级钢材缺陷检测算法(FCM-YOLOv8n)。该方法一是采用频率感知特征融合网络,高效提取并融合高频信息,以降低计算成本并提升检测速度;二是重构轻量化特征交互模块(Cc-C2f),有效保留空间和通道依赖关系,减少特征冗余,以降低模型参数量和计算复杂度;三是利用多谱注意力机制,从频域维度减少特征信息缺失,以提升复杂缺陷的识别准确度。在Severstal和NEU-DET钢材缺陷数据集上的实验结果表明,相较于YOLOv8n算法,FCMYOLOv8n算法的mAP@0.5分别提高2.2%和1.5%;参数量和复杂度分别降低0.5 M和1.5 G;FPS分别达到143 f/s和154 f/s,展示优异的实时性。该算法在检测精度、计算成本和效率之间实现良好的平衡,为边缘终端设备应用提供有力的支持。在GC10-DET数据集上的进一步验证表明,FCM-YOLOv8n相较于基线模型mAP@0.5提升2.9%,充分佐证其卓越的泛化能力。 展开更多
关键词 缺陷检测 YOLOv8n 频率感知特征融合网络 cc-c2f 多谱注意力
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部