文档名：基于Swin Transformer和YOLOv5的无纺布瑕疵检测
摘要：对无纺布进行瑕疵检测,可以帮助企业提升生产效率,节约成本,但是基于CNN的目标检测算法受限于卷积核的局部特性,缺乏对图像的全局建模,对尺度变化范围大的瑕疵检出效果不理想.因此,提出了基于SwinTransformer和YOLOv5的无纺布瑕疵检测方法,并引入了CBAM注意力机制,同时微调了预测目标框的anchor尺寸;在自制数据集上对所提方法的有效性进行了验证.结果表明,通过其强大的自我注意力对特征进行编码、解码,网络可以获得更大的感受野,充分联系上下文关系;Swin的基于特征金字塔的分层构建结构与YOLOv5的neck设计十分相似,可以帮助网络在多尺度特征图上对目标进行预测;网络对重要信息的关注度得到了提高;通过Mosaic和MixUp数据增强丰富了数据分布;模型的鲁棒性和对无纺布的检测性能得到提高,回归预测结果更精准.
Abstract：Thedefectdetectionofnon-wovenfabricscanhelpenterprisesimproveproductionefficiencyandsavecosts.Duetothelocalcharacteristicsoftheconvolutionkernel,theobjectdetectionalgorithmsbasedonCNNlacktheglobalmodelingoftheimage,andthedetectioneffectisnotidealfordefectdetectionwithalargerangeofscalechanges.Therefore,anon-wovenfabricdefectdetectionmethodisproposedbasedonthecombinationofSwinTransformerandYOLOv5,whichencodesanddecodesfeaturesthroughitspowerfulself-attention.Thenetworkcanobtainalargerreceptivefieldandfullyrelatetothecontext.ThelayeredconstructionbasedonthefeaturepyramidofSwincoincideswiththedesignoftheneckofYOLOv5.Itcanhelpthenetworkpredictthetargetonthemulti-scalefeaturemap.Onthisbasis,CBAMattentionmechanismisintroducedtohelpthenetworkfocusonimportantinformation.ThroughMosaicandMixUpdataaugmentation,thedatadistributionisenrichedandtherobustnessisincreased.Finally,theanchorsizeofthepredictiontargetframeisfine-tunedtomaketheregressionpredictionmoreaccurate.Theeffectivenessoftheproposedmethodisverifiedontheself-madedataset,andthedetectionperformanceofnon-wovenfabricsisimproved.
作者：刘佳玮 曹江涛 姬晓飞 Author：LIUJiawei CAOJiangtao JIXiaofei
作者单位：辽宁石油化工大学信息与控制工程学院,辽宁抚顺113001沈阳航空航天大学自动化学院,辽宁沈阳110136
刊名：辽宁石油化工大学学报
Journal：JournalofLiaoningUniversityofPetroleum&ChemicalTechnology
年，卷(期)：2024, 44(3)
分类号：TP391.1
关键词：SwinTransformer模型 自我注意力 CBAM注意力机制 数据增强 anchor尺寸
Keywords：SwinTransformermodel Self-attention CBAMattentionmechanism Dataaugmentation anchordimension
机标分类号：TP391TP18TN957.51
在线出版日期：2024年6月25日
基金项目：辽宁省教育厅重点公关项目基于SwinTransformer和YOLOv5的无纺布瑕疵检测[
期刊论文] 辽宁石油化工大学学报--2024, 44(3)刘佳玮 曹江涛 姬晓飞对无纺布进行瑕疵检测,可以帮助企业提升生产效率,节约成本,但是基于CNN的目标检测算法受限于卷积核的局部特性,缺乏对图像的全局建模,对尺度变化范围大的瑕疵检出效果不理想.因此,提出了基于SwinTransformer和YOLOv5的...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于Swin Transformer和YOLOv5的无纺布瑕疵检测 Non-Woven Fabric Defect Detection Based on the Combination of Swin Transformer and YOLOv5
基于Swin Transformer和YOLOv5的无纺布瑕疵检测.pdf
- 文件大小:
- 1.86 MB
- 下载次数:
- 60
-
高速下载
|
|
