一种基于高效多路径特征融合网络的瑕疵识别方法及系统

本申请公开了一种基于高效多路径特征融合网络的瑕疵识别方法及系统，涉及布匹瑕疵检测技术领域，解决了现有技术中无法有效的融合深层与浅层、大尺度与小尺度的特征信息，以及现有模型计算复杂度高、模型参数量大的问题，该方法包括：构建布匹瑕疵数据集，构建改进的YOLOv5s模型并进行模型训练，其中，改进的内容包括：将GFPN融入YOLOv5s的Neck网络，在主干网络中引入间隔层级间的跨尺度连接层和同尺度间的跨层跳跃连接层，在Neck网络中，采用C3Ghost轻量化特征融合节点，并采用Dysample方法对深层特征图进行上采样，有效融合深层与浅层、大尺度与小尺度的特征信息，提升了YOLOv5s模型在多尺度、多比例目标检测中的性能，同时降低了模型的计算参数和复杂度。