CN116503379B 基于轻量化改进YOLOv5的零件识别方法 （重庆邮电大学）_第1页
CN116503379B 基于轻量化改进YOLOv5的零件识别方法 （重庆邮电大学）_第2页
CN116503379B 基于轻量化改进YOLOv5的零件识别方法 （重庆邮电大学）_第3页
CN116503379B 基于轻量化改进YOLOv5的零件识别方法 （重庆邮电大学）_第4页
CN116503379B 基于轻量化改进YOLOv5的零件识别方法 （重庆邮电大学）_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

号本发明涉及一种基于轻量化改进YOLOv5的检测头之前全部加入Transformer模块和C3模块2S1：对零件照片进行收集，然后进行数据清洗，并S221：添加预测头来处理对象的大尺度方差，将TransformerPreS223：Transformer结构的编码器由N层网络堆入嵌入为轨迹序列经过块分割处理后的输入矩阵，而解码器的输出嵌入为轨迹预测算S224：每一个模块前先经过层归一化，模块后接一个恒等映射残差分支，并接有"3候选区域，可以直接得到感兴趣目标的分类和位置信息，典型的单阶段目标检测算法有[0006]有鉴于此，本发明的目的在于提供一种基于轻量化改进YOL4包含13层深度可分离卷积(即DepthSepConv)，后面的GAP为7*7的全局平均池化(GlobalAveragePooling)，GAP后是点卷积+全连接层+H_Swish函数(即pointconv+FC+的输入嵌入为轨迹序列经过块分割处理后的输入矩阵I(t)，而解码器的输出嵌入为轨迹预测算法输出与目标下一时刻真实位置的p(t5[0030]进一步，步骤S23中，C3TR模块将原先C3模块中的BottleNeck(瓶颈层)与[0035]本发明的有益效果在于：本发明利用PP_LCNet模块设计轻量级主干特征提取网6[0046]步骤S1：对零件照片进行收集，然后进行数据清洗，并对不同类型的图片进行[0049]步骤S21：PPLC_Net网络使用深度容器作为框架的基本块。这个模块没有类似于[0050]组成部分是深度可分离卷积，第一层的是conv+bn+hardswish，中间包含了13层DepthSepConv，后面的GAP为7*7的GlobalAveragePooling，GAP后是pointconv+FC+我们在最终的GAP层之后附加了一个1280维尺寸的1×1conv(相当于FC层)，这将允许模型[0055]步骤S31：添加预测头来处理对象的大尺度方差，将TransformerPrediction7输入嵌入为轨迹序列经过块分割处理后的输入矩阵I(t)，而解码器的输出嵌入为轨迹预测算法输出与目标下一时刻真实位置的p(t)8[0074]本实施例设置了改进后的算法与原YOLOv5进行对比实验。经过300个epochs训练PmAP@0.5mAP.5:.95[0077]从表1中可以看出，本发明改进后的模型准确率为96.5mAP@0.5为94.1%;Map.5:.95为75.4相较于原YOLOv5模型准确率提升了2.3mAP@0.5提升了4%;小的YOLOv5s。改进后的算法FLOPs减少了7.8G，仅为YOLOv5s的52.72Params减少了9

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