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：
YOLOv8n-CSG:轻量化钢材表面缺陷检测算法
1
作者 赵佰亭 张敏 贾晓芬 《电子测量与仪器学报》 北大核心 2025年第8期115-125,共11页
为解决钢材表面缺陷检测中因缺陷类型繁多、尺寸差异显著造成检测精度低,以及现有模型复杂度高等问题,提出了一种改进YOLOv8n的轻量化检测算法YOLOv8n-CSG。首先,引入上下文引导模块(context guided block,CG block)设计C2f_CG模块增强... 为解决钢材表面缺陷检测中因缺陷类型繁多、尺寸差异显著造成检测精度低,以及现有模型复杂度高等问题,提出了一种改进YOLOv8n的轻量化检测算法YOLOv8n-CSG。首先,引入上下文引导模块(context guided block,CG block)设计C2f_CG模块增强对周围特征的捕捉能力,增强信息关联性;其次,加入星型网络模块(Star Block)设计出C2f_Star模块,将输入数据映射到高维的非线性特征空间,生成丰富的特征表示,使得模型在处理细微缺陷时更加有效;最后,设计了集成分组混洗卷积(grouped and shuffled convolution,GSConv)和高效多尺度注意力机制(efficient multi-Scale attention,EMA)的轻量化检测头GSE_Detect,保持了原检测头的高效的同时降低复杂度。在NEU-DET数据集上进行多组实验,结果表明,改进后的YOLOv8n-CSG网络模型平均精度均值(mAP)mAP@0.5达到了76.8%,相较于YOLOv8n,mAP@0.5提升了6.9%、精度提升了11.3%、计算量降低了37%、参数量降低了35.2%,展现出对钢材表面缺陷更佳的检测能力,且平衡了模型的性能和复杂度。 展开更多
关键词 缺陷检测 轻量化YOLOv8n C2f_CG C2f_Star gse_detect
原文传递
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