-
题名基于协调注意力机制的轻量级YOLOv4零件检测
被引量：1
- 1
-
-
作者
朱文博
陈龙飞
余琦
-
机构
上海理工大学机械工程学院
-
出处
《计算机技术与发展》
2024年第8期23-29,共7页
-
基金
国家自然科学基金(52075340)。
-
文摘
针对零件自动检测任务在复杂工况下,如零件堆叠粘连、有杂物干扰等,存在实时性差、硬件资源占用大等问题,提出一种基于轻量级YOLOv4网络的零件检测方法。采用MobileNeXt代替CSPDarkNet53作为主干特征提取网络(backbone),并在每个卷积模块中添加协调注意力机制,用于增强特征层的语义表达能力;提出一种Fused-Sandglass模块插入到浅层的backbone中,提高网络的推理速度;网络训练方面引入渐进式训练方法和focal loss损失函数,提升训练速度,并且有效缓解正负样本失衡的问题。实验结果表明,该方法在15种零件的检测任务中能够保持和YOLOv4网络相近的准确率,但参数量大小仅为其20%,推理速度达到了43.7 fps,能够满足实际生产的需求。
-
关键词
深度学习
协调注意力机制
零件检测
YOLOv4网络
mobilenext网络
-
Keywords
deep learning
coordinating attention mechanism
part detection
YOLOv4 network
mobilenext network
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
