计算机工程与科学

作者：刘浩翰, 孙铖, 贺怀清, 惠康华

单位：中国民航大学计算机科学与技术学院，天津 300300

关键词：深度学习,目标检测,YOLO,Shuffle,SA,注意力机制,K-means,

基金：国家重点研发计划（2020YFB1600101）；天津市教委科研项目（2020KJ024）；

为提高工业零件表面缺陷的检测效率，提出一种基于改进YOLOv3的目标检测方法。引入目前最新的具有通道置换的注意力机制SA，将其与YOLOv3模型骨架结构Darknet-53的残差单元进行组合改进构成SA残差块结构，充分利用特征通道信息，得到YOLOv3-SA模型。针对不同数据集，对输入图像进行不同规模比例缩放，分别使用K-means方法对真实标框进行聚类以提高检测效率。实验结果表明，YOLOv3-SA模型查全率达95.4%，相比YOLOv3，mAP最多可提高约7%。

来源：2023年第7期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2023年第7期