原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
3342025，61（5）ComputerEngineeringandApplications计算机工程与应用
融合Res2Net和部分卷积的带钢表面缺陷检测算法
11+12
胡凯涛，马向华，孙向宇，刘闯
1.上海应用技术大学电气与电子工程学院，上海201418
2.上海航天控制技术研究所电子装联技术中心，上海201109
+通信作者E-mail：xhuam@
摘要：为提升带钢表面缺陷的层次性特征提取能力和检测效率，提出基于多尺度表征和部分卷积（PConv）的快速
检测网络（multi-scaleandpartiallyconvolutionalnetwork，MSPC-Net）。将限制对比度自适应直方图均衡技术（con-
trastlimitedadaptivehistogramequalization，CLAHE）引入到该模型以突出带钢表面的缺陷特征；在YOLOv5s的基
础上新增检测层，提高对不同尺寸缺陷目标的检测率；设计了融合Res2Net的多尺度特征提取块并引入ECA注意力
机制（BRE-block），既可以获取细粒度层面的特征，同时也增加了模型感受野；通过结合PConv减少了模型计算量
（FLOPs），且增强了部分特征信息的聚合。在NEU-DET数据集上的实验结果表明，平均精度均值（mAP@IoU=0.5）
达到了80.2%，较原基线网络提高了5.9个百分点；同时改进后网络的FPS达到157，远高于近期应用广泛的目标检测
算法，有效提高了带钢表面缺陷的检测效率。
关键词：对比度增强；多尺度特征提取；改进Res2Net；融合PConv；信息聚合
文献标志码：A中图分类号：TP391doi：10.3778/j.issn.1002-8331.2309-0234
StripSurfaceDefectDetectionAlgorithmIntegratingRes2NetandPConv
11+12
HUKaitao,MAXianghua,SUNXiangyu,LIUChuang
1.SchoolofElectricalandElectronicEngineering,ShanghaiInstituteofTechnology,Shanghai201418,China
2.ElectronicAssemblyTechnologyCenter,ShanghaiInstituteofAerospaceControlTechnology,Shanghai201109,China
Abstract:Inordertoimprovethehierarchicalfeatureextractioncapabilityanddetectionefficiencyofstripsurface
defects,arapiddetectionnetwork(MSPC-Net)basedonmulti-scalerepresentationandpartialconvolution(PConv)ispro-
posed.Contrastlimitedadaptivehistogramequalization(CLAHE)technologyisintroducedintothemodeltohighlight
thedefectcharacteristicsofthestripsurface;anewdetectionlayerisaddedbasedonYOLOv5stoimprovethedetection
rateofdefecttargetsofdifferentsizes.Amulti-scalefeatureextractionblockthatintegratesRes2Netisdesigned,andthe
ECAattentionmechanism(BRE-block)isintroduced.Thisblockcannotonlyobtain
文档评论（0）