科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对密集工件存在相似度高、排列无序的特性导致检测难度大的问题，提出了一种注意力机制优化RetinaNet的密集工件检测方法。首先将注意力机制引入到RetinaNet主干特征提取网络以减少干扰物对检测效果的影响，提高神经网络的特征提取能力；然后利用Soft-NMS构建新的预测框提高重叠定位精度；最后通过迁移学习的方法训练数据集，提高模型训练效率。在密集工件数据集上验证该方法的有效性，实验结果表明，改进后的方法检测精度达到了98.11%,相较于改进前提高了2.59%,单张图片检测速度达到了0.026 s,该方法能够满足实际工业生产过程中精准检测工件的目的，在保证速度的同时降低了漏检率和误检率。
- 单位
