融合注意力特征金字塔网络的焊点缺陷检测中的 YOLO 算法
原文中文,约500字,阅读约需1分钟。发表于: 。为了提高生产制造过程中焊点缺陷检测的准确性和降低计算成本,本研究提出了一种混合关注机制,该机制由增强的多头自注意力和坐标注意力机制组成,能够提高网络感知上下文信息和学习局部特征的能力,从而使焊点缺陷检测的均方平均精度(mAP)达到 91.5%,比其他版本的算法要高。同时,在满足实时检测要求的前提下,也对平均精度、精确率、召回率和帧每秒指标进行了改善。
ASF-YOLO是一种新的基于注意力尺度序列融合的YOLO框架,用于细胞实例分割。它采用尺度序列特征融合和三重特征编码器模块来增强多尺度信息提取能力,并引入通道和位置注意机制来提高检测和分割性能。实验证明ASF-YOLO在细胞数据集上具有显着的分割准确性和速度。