摘要
本发明提供基于多头注意力机制的改进组卷积和特征增强融合网络的轧钢表面缺陷检测方法,其中,方法包括:获取轧钢表面缺陷图像数据集;基于分组空间多尺度卷积模块和特征增强融合网络,根据轧钢表面缺陷图像数据集,训练缺陷检测模型;将所需检测图像输入缺陷检测模型,获得目标轧钢表面缺陷检测结果。本发明的基于多头注意力机制的改进组卷积和特征增强融合网络的轧钢表面缺陷检测方法,引入分组空间多尺度卷积模块和特征增强融合网络改进YOLOv7目标检测模型,获取预训练缺陷检测模型,基于训练样本训练预训练缺陷检测模型获取缺陷检测模型,将所需检测图像输入缺陷检测模型,获得缺陷检测结果,提升了模型缺陷检测性能。
技术关键词
表面缺陷检测方法
多头注意力机制
轧钢
空间多尺度
表面缺陷图像
进程监控
语义
卷积模块
人工缺陷
网络
归因
表面缺陷检测系统
检测模型训练
损失函数优化
检测子系统
图像特征提取
系统为您推荐了相关专利信息
交通速度预测方法
地图数据服务器
变量
时序特征
序列
音乐情感分类方法
多头注意力机制
时序特征
高层语义特征
音乐特征提取
异常检测方法
多头注意力机制
冗余
数据
卷积神经网络模型
编码器模块
编码向量
分析方法
多头注意力机制
编码器结构