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2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：
基于YOLOv8s改进的布匹缺陷检测算法
1
作者 毛佳奇 孙日明 《山西电子技术》 2026年第1期30-33,共4页
为提高布匹缺陷检测的精度和效率,提出了改进的模型FES-YOLOv8s。该算法是以YOLOv8s为基准模型,在网络结构中引入FocalModulation模块替换SPPF模块,加强网络的特征提取能力和自适应能力,使得在特征提取过程中网络能够更加关注缺陷目标... 为提高布匹缺陷检测的精度和效率,提出了改进的模型FES-YOLOv8s。该算法是以YOLOv8s为基准模型,在网络结构中引入FocalModulation模块替换SPPF模块,加强网络的特征提取能力和自适应能力,使得在特征提取过程中网络能够更加关注缺陷目标。为了进一步提升网络的特征提取能力和增强网络学习缺陷目标的信息能力,提出将C2f模块替换为多尺度转换模块Efficient Multi-Scale-Conv,同时减少了模型的参数量。考虑到缺陷样本质量不平衡问题,使用SIoU损失函数,增强缺陷定位准确率,并且提高模型收敛速度和回归精度。改进后的模型在布匹数据集上进行实验,其实验结果表明,改进后的模型的mAP@0.5达到90.5%,相比于基准模型提高了12.2%。与原YOLOv8s算法相比,改进后的网络参数量减少了42.34%,mAP@0.5、精确率分别提高了12.2%、16.8%,充分验证了算法的优势和有效性,改善了布匹表面缺陷检测精度较低的问题。 展开更多
关键词 YOLOv8s算法 focalmodulation Efficient Multi-Scale-Conv SIoU 布匹缺陷
在线阅读 下载PDF
基于改进YOLOv11的CFF-YOLO轻量化苹果检测算法
2
作者 韩易 魏霖静 《软件工程》 2026年第4期37-43,共7页
针对计算资源不足的复杂环境下苹果识别效果不佳的问题,提出了一种基于改进YOLOv11的CFFYOLO轻量化苹果检测算法。首先,将主干网络C3k2的Bottleneck替换为FasterBlock模块,该模块通过部分卷积(PConv)压缩输入通道至1/4,使计算量(GFLOPs... 针对计算资源不足的复杂环境下苹果识别效果不佳的问题,提出了一种基于改进YOLOv11的CFFYOLO轻量化苹果检测算法。首先,将主干网络C3k2的Bottleneck替换为FasterBlock模块,该模块通过部分卷积(PConv)压缩输入通道至1/4,使计算量(GFLOPs)和内存访问量(MAC)分别降低至标准卷积的1/16和1/4,显著减少了冗余计算;其次,采用FocalModulation模块替换空间池化金字塔(SPPF)结构,增强模型对复杂场景中小目标的感知与定位能力,提升模型检测的精确率;最后,在颈部网络结构中融入轻量化跨尺度特征融合模块CCFM,通过特征融合技术将多尺度特征进行整合,提升模型对尺度波动的鲁棒性,并强化小目标的检测性能。实验结果表明,CFF-YOLO模型与基准YOLOv11模型相比,精确率上涨了2.6%,召回率上涨了8.3%,参数量和计算量分别下降了32.1%和29.2%,模型的大小减小了27.6%。 展开更多
关键词 轻量化 FasterBlock focalmodulation CCFM
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