基于YOLOv5算法改进的钢材表面缺陷检测

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘  要：钢材表面缺陷检测一直是目标检测领域重要的研究问题。针对该问题，该文以东北大学开源数据集NEU-DET为样本数据，对YOLOv5算法进行改进，得到YOLOv5_LH网络模型。首先对聚类算法进行优化，使用K-means++算法优化锚框，然后把主干网络中Conv层更换为特征提取能力更强的RepVGG网络，并在SPPF层前添加BotNet注意力机制，在Neck层引用BiFPN特征金字塔替代原有的网络结构，同时也对损失函数进行优化。（剩余6325字）

试读结束

目录
monitor