weixin_49686134的博客

原创 中文核心论文速读

3.设计MPCE 模块，形成注意力池化模块，为了削弱复杂背景信息对钢材表面缺陷检测的干扰，使网络更加关注细小缺陷目标信息。2.设计一种新的C2fFB 模块，为了减少参数量，提升网络模型在钢材缺陷检测中的检测速度和精度的同时，也降低了计算成本。1. 通过在主干特征提取网络中引入ConvNext 模块，用其替换主干网络中ELAN模块，为了增强网络对钢材表面细小缺陷的特征提取能力。效果：该模型的mAP达到77.2%，相较于YOLOv7，ECC-YOLO的检测精度提高了10.1%，模型参数量减9.3%。