首页|基于改进YOLOv4-tiny的零件目标检测

基于改进YOLOv4-tiny的零件目标检测

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对无序多角度零件视觉识别准确率不高,定位精度低的问题,提出一种基于YOLOv4-tiny的改进神经网络算法.改进的算法主要是将CBAM注意力机制引入到YOLOv4-tiny网络,使特征提取网络关注重要特征区域,并过滤无关信息.采用K-means算法对数据集进行聚类,重新得到anchor的对应参数.在零件数据集上进行对比实验,测试结果表明:所提算法在满足实时性的基础上,准确率相比原网络提高了3.4％,平均精确率提高了1.8％,具有较好的综合检测能力.该研究可为工业机器人的零件智能分拣提供技术参考.
Part Target Detection Based on Improved YOLOv4-tiny

殷宇翔、徐顺清、何坚强、蒋成晨、陆群、唐乾榕

展开 >

盐城工学院电气工程学院 盐城 224000

目标检测 深度学习 零件识别 注意力机制

62003292

2022

10.3969/j.issn.1672-9722.2022.09.014

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2022.50(9)
  • 5