文献类型：期刊文章

作　　者：高敏[1] 邹阳林[1,2] 曹新旺[1]

GAO Min;ZOU Yanglin;CAO Xinwang(School of Textile Science and Engineering,Wuhan Textile University,Wuhan 430200,China;PowerChina Hubei Engineering Co.,Ltd.,Wuhan 430040,China)

机构地区：[1]武汉纺织大学纺织科学与工程学院,武汉430200 [2]中电建湖北电力建设有限公司,武汉430040

出　　处：《现代纺织技术》

基　　金：国家自然科学基金青年基金项目(51503162);湖北省自然科学基金青年面上项目(2016CFB459);湖北省大学生创新训练计划项目(S201910495063);国家大学生创新训练计划项目(201910495014)。

年　　份：2023

卷　　号：31

期　　号：4

起止页码：155-163

语　　种：中文

收录情况：BDHX、BDHX2020、ZGKJHX、核心刊

摘　　要：针对传统机器学习方法检测织物疵点精度低,小目标检测较困难的问题,提出一种基于改进YOLOv5的织物疵点的目标检测算法。在YOLOv5模型的Backbone模块中分别引入SE注意力机制和CBAM注意力机制,使模型聚焦于图像中的关键信息,改进传统YOLOv5网络检测精度不高的问题。结果表明:改进后的模型具有更好的检测性能,其中引入CBAM模块后提升幅度最明显,较原网络mAP值提升了7.7%,基本满足织物疵点检测需求。

关 键 词：织物疵点 YOLOv5模型  注意力机制  深度学习  

分 类 号：TS107]