• 打印
  • 收藏
收藏成功
分享

基于改进YOLOv4算法的铝材表面缺陷识别方法研究


打开文本图片集

摘  要:文章针对铝材表面缺陷识别原始算法精度低与提取突出特征能力弱的问题,提出一种改进的YOLOv4算法。首先,为提高对小目标缺陷的检测能力,改进了多尺度预测,增强更浅层的细粒度特征信息融合;其次,对铝材标注数据样本采用K-means聚类,获取更适合缺陷目标的先验框。实验结果表明,在检测速度基本不变的前提下,改进YOLOv4算法的平均精度达到95.02%,比原始的YOLOv4算法提高了1.42%,比YOLOv3提高了2.34%,比Faster R-CNN提高了11.48%。(剩余6308字)

网站仅支持在线阅读(不支持PDF下载),如需保存文章,可以选择【打印】保存。

畅销排行榜
目录
monitor