一种基于改进YOLOv8的多尺度特征融合3D打印缺陷检测方法

AITNT
正文
推荐专利
一种基于改进YOLOv8的多尺度特征融合3D打印缺陷检测方法
申请号:CN202411516594
申请日期:2024-10-29
公开号:CN119048495B
公开日期:2025-06-17
类型:发明专利
摘要
本发明公开了一种基于改进YOLOv8的多尺度特征融合3D打印缺陷检测方法,涉及3D打印缺陷检测技术领域,通过自适应多尺度特征融合网络,根据缺陷的特征尺度自动调整特征融合的方式,并集成了自适应特征金字塔、跨尺度连接块和空间注意力引导模块,来提高对不同尺度和类型的3D打印缺陷的检测能力。
技术关键词
打印缺陷 超参数 特征金字塔 智能优化系统 打印图像数据 注意力 特征融合网络 GAN模型 生成对抗网络 金字塔结构 分类准确率 模型剪枝 检测损失 补丁 定义 浮点数
系统为您推荐了相关专利信息
1
一种基于标签感知全局一致性的单正多标签分类方法
标签分类方法 样本 更新模型参数 分类器 定义标签
2
一种考虑弱量测的低压分布式光伏高渗透的地区短期负荷预测方法
短期负荷预测方法 低压分布式光伏 神经网络预测模型 双向长短期记忆 时序特征
3
一种基于贝叶斯优化主-补模型的CO2排放浓度预测方法
浓度预测方法 模型预测值 ARIMA模型 检验方法 浓度检测技术
4
一种基于部首表示学习的零样本汉字识别方法
汉字识别方法 图像深度特征 解码模块 编码模块 网格
5
一种基于动态滤波和自适应稀疏Transformer的无人机图像小目标检测方法
注意力 编码器特征 混合编码器 无人机 解码器
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号