针对一次即可识别图中物体(You Only Look Once v8,YOLOv8)的模型在密集缺陷检测任务中因特征提取能力不足导致的漏检、错检等问题,文章提出SE-YOLO算法。改进后的SE-YOLO密集缺陷检测算法为了使模型关注更多维度的特征信息,使用Swin Tr...针对一次即可识别图中物体(You Only Look Once v8,YOLOv8)的模型在密集缺陷检测任务中因特征提取能力不足导致的漏检、错检等问题,文章提出SE-YOLO算法。改进后的SE-YOLO密集缺陷检测算法为了使模型关注更多维度的特征信息,使用Swin Transformer网络作为主干网络。文章引入中心化特征金字塔模块,以提取全局长距离相关性,可以尽可能地保留输入图像的局部角点区域信息。改进后的SE-YOLO密集缺陷检测算法可以更加准确地检测出缺陷的类别和位置,在密集缺陷检测任务中具有较高的精确度与鲁棒性。展开更多
文摘针对一次即可识别图中物体(You Only Look Once v8,YOLOv8)的模型在密集缺陷检测任务中因特征提取能力不足导致的漏检、错检等问题,文章提出SE-YOLO算法。改进后的SE-YOLO密集缺陷检测算法为了使模型关注更多维度的特征信息,使用Swin Transformer网络作为主干网络。文章引入中心化特征金字塔模块,以提取全局长距离相关性,可以尽可能地保留输入图像的局部角点区域信息。改进后的SE-YOLO密集缺陷检测算法可以更加准确地检测出缺陷的类别和位置,在密集缺陷检测任务中具有较高的精确度与鲁棒性。