增强特征YOLOv4检测网络

钢面缺陷检测精度领先

通过编码解码残差块、多尺度感受野和特征对齐模块,在不显著增加计算量的情况下提升了对尺度多变、低对比度缺陷的识别能力。

Li, Shaoxiong · Kong, Fanning · Ruoqi, Wang · Tao, Luo · 史再峰

Measurement: Journal of the International Measurement Confederation 2023

参数信息

平均精度(mAP)
79.88 %
平均精度(mAP)
54.65 %

技术优势

多尺度更稳

通过分层残差连接的多尺度模块扩大感受野,同时捕捉大小不同的缺陷。

特征对齐补漏

融合阶段使用带注意力机制的特征对齐模块,纠正多层特征之间的错位,减少小缺陷丢失。

训练解码更高效

三个解耦头分别输出分类和回归结果,提升训练效率与预测准确性。

应用场景