-
题名改进YOLOv5s的轻量化零件目标检测算法
- 1
-
-
作者
孙家慧
王赫莹
郭忠峰
-
机构
沈阳工业大学机械工程学院
-
出处
《组合机床与自动化加工技术》
北大核心
2024年第11期135-141,共7页
-
基金
辽宁省教育厅2021年度科学研究经费项目(LJKZ0114)。
-
文摘
针对无序密集放置的多尺度零件识别难度大等问题,提出一种基于改进YOLOv5s的轻量化零件目标检测算法。在Backbone网络C3模块添加CA注意力机制,提高目标特征提取能力;引入了damo-yolo的Efficient-RepGFPN结构代替原有的Neck层,以减轻模型的复杂度;引入SimAM注意力机制,提高卷积网络的表征能力;为加快计算速度,降低运算成本,用轻量级卷积GSConv代替Neck结构中的标准卷积;采用FocalEIOU替换YOLOv5算法中的CIOU对模型识别性能进行优化。实验结果表明,在自制零件数据集上,改进算法的mAP@0.5达到99.4%,检测速度仅需5.7 ms,FPS达到175帧/s,且计算量和参数量都大幅度降低,模型大小仅有原来的32%,易于移动端部署,在零件检测精度、检测速度等方面均优于原有YOLOv5s,满足视觉引导下对零件精准识别。
-
关键词
YOLOv5s
注意力机制
efficient-repgfpn
SimAM注意力机制
轻量级卷积
-
Keywords
YOLOv5s
attention mechanism
efficient-repgfpn
SimAM attention mechanism
lightweight convolution
-
分类号
TH16
[机械工程—机械制造及自动化]
TG506
[金属学及工艺—金属切削加工及机床]
-
