基于双特征池目标检测的人工革高性能细微缺陷检测
计算机视觉与模式识别
2024-10-15 v3
摘要
本研究着重分析了YOLOv5模型的结构问题。基于人工革细微缺陷的特点，设计了DFP、IFF、AMP和EOS四种创新结构。这些改进促成了一种名为YOLOD的高性能人工革细微缺陷检测模型的提出。YOLOD在人工革缺陷数据集上表现优异，相较YOLOv5，AP_50提升达11.7%–13.5%，误检率显著降低5.2%–7.2%。此外，YOLOD在通用MS-COCO数据集上也展现出卓越性能，相较YOLOv5，AP提升0.4%–2.6%，AP_S提升2.5%–4.1%。这些结果证明了YOLOD在人工革缺陷检测与通用目标检测任务中的优越性，使其成为面向实际应用的高效且有效的模型。
引用
@article{arxiv.2307.16751,
title = {High-Performance Fine Defect Detection in Artificial Leather Using Dual Feature Pool Object Detection},
author = {Lin Huang and Weisheng Li and Yujuan Tan and Linlin Shen and Jing Yu},
journal= {arXiv preprint arXiv:2307.16751},
year = {2024}
}