CN118823299B 一种基于改进YOLOv8的钢材表面缺陷目标检测方法 （湖南师范大学）_第1页
CN118823299B 一种基于改进YOLOv8的钢材表面缺陷目标检测方法 （湖南师范大学）_第2页
CN118823299B 一种基于改进YOLOv8的钢材表面缺陷目标检测方法 （湖南师范大学）_第3页
CN118823299B 一种基于改进YOLOv8的钢材表面缺陷目标检测方法 （湖南师范大学）_第4页
CN118823299B 一种基于改进YOLOv8的钢材表面缺陷目标检测方法 （湖南师范大学）_第5页
已阅读5页，还剩14页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

details/132644896?udistribute.pc_relevant.none-tdefault~baidujs_baidul一种基于改进YOLOv8的钢材表面缺陷目标本发明公开了一种基于改进YOLOv8的钢材Backbone中的C2f模块中的Bottleneck用丰富度；将模型使用的CIoU损失函数替换为Wise_Inner_ShapeIoU损失函数，在聚焦于普通质量的锚框的前提下关注边界框本身的形状和2将目标检测网络的backbone部分的C2f层中的Bottleneck用MSBlock替换，构成C2f_其中，为WiseIoU损失函数的权重，S和I分别是ShapeIoU和InnerIoU损失函数，2.如权利要求1所述的一种基于改进YOLOv8的钢材表面缺陷目标检测方法，其特征在3.如权利要求1所述的一种基于改进YOLOv8的钢材表面缺陷目标检测方法，其特征在C2f_MSBlock模块中的MSBlock层将输入分割成多个分支，每3[0006]本发明具体是通过以下技术方案来实现的，依据本发明提出的一种基于改进[0013]本发明提供的一种基于改进YOLOv8的钢材表面缺陷目标检测方法优选的方案，4[0015]本发明提供的一种基于改进YOLOv8的钢材表面缺陷目标检测方法优选的方案，然后应用了一个k×k的深度卷积（深度可分离卷积之后再接一个1×1卷积减少参数量；[0021]本发明提供的一种基于改进YOLOv8的钢材表面缺陷目标检测方法优选的方案，样本）的scores分数之和，S和I分别是ShapeIoU和InnerIoU损失函数计算得到的得分，[0030]wo为真实框与边界框的交并比损失（IoUcost其中为预测框面5[0032]图1为本发明提供的一种基于改进YOLOv8的钢材表面缺陷目标检测方法的流程[0033]图2为本发明提供的一种基于改进YOLOv8的钢材表面缺陷目标检测方法的检测网[0039]图1为本发明方法的流程示意图，本发明提供的一种基于改进YOLOv8的钢材表面[0041]所述步骤1中的操作为：取NEU_DET数据集中的图片，按照8:1:1的比例划分训练[0044]随机裁剪：通过图像随机裁剪来让障碍物以不同比例出现在原始图片的不同位6[0048]步骤3：构建基于改进YOLOv8的道路标识检测模型YOLOv8_ST，网络结构如图2所[0049]所述步骤3中的操作为：首先将目标检测网络的backbone部分的C2f中的通常使用插值或反卷积等方法，这些方法在上采样过程中可能会引入一些伪像或模糊效[0055]最后提出Wise_Inner_ShapeIoU替换CIoU作为模型的损失函数，Wise_Inner_7样本）的scores分数之和，S和I分别是ShapeIoU和InnerIoU损失函数计算得到的得分，[0064]wo为真实框与边界框的交并比损失（IoUcost其中为预测框面89

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论