[1] 傅国忠,孙鹏,朱文斌,等.基于深度学习的快速稳健钢表面缺陷分类方法[J]。《工程光学与激光》,2019年,121:397-405。 [2] LV X M,DUAN F J,JIANG J J,等。深部金属表面缺陷检测:新的基准和检测网络[J]。传感器:瑞士巴塞尔,2020,20(6):1562。 [3] VANNOCCI M,RITACCO A,CASTELLANO A,et al.使用卷积神经网络检测和分类热轧带钢平整度缺陷[M]//计算智能进展。查姆:斯普林格国际出版社,2019:220-234。 [4] 韩春杰,李国英,刘忠.带钢表面缺陷显著目标检测的二级边缘重用网络[J]。IEEE仪器仪表与测量汇刊,2022,71:1-12。 [5] 王海云, 王剑平, 罗付华. 融合多层次特征更快的R-CNN的金属板带材表面缺陷检测研究[J] ●●●●。机械科学与技术, 2021, 40(2): 262-269. 王海英,王建平,罗福华。基于多级特征的快速R-CNN检测金属板材和带材表面缺陷的研究[J]。航空航天工程机械科学与技术,2021,40(2):262-269。 [6] 李建英,苏志发,耿建华,等.基于改进YOLO检测网络的带钢表面缺陷实时检测[J]。IFAC论文在线,2018,51(21):76-81。 [7] 程婧怡, 段先华, 朱伟. 改进YOLOv3型的金属表面缺陷检测研究[J] ●●●●。计算机工程与应用, 2021, 57(19): 252-258. 陈建业,段晓华,朱伟.用改进的YOLOv3进行金属表面缺陷检测的研究[J]。计算机工程与应用,2021,57(19):252-258。 [8] KOU X P,LIU S J,CHENG K Q,等.基于YOLO-V3的带钢表面缺陷检测模型的开发[J]。测量,2021,182:109454。 [9] 曹义亲, 伍铭林, 徐露. 基于改进YOLOv5公司算法的钢材表面缺陷检测[J] ●●●●。图学学报, 2023, 44(2): 335-345. 曹永清,吴敏林,徐磊。基于改进YOLOv5算法的钢铁表面缺陷检测[J]。制图杂志,2023,44(2):335-345。 [10] YOLOv5系列的钢材表面缺陷检测研究[D] ●●●●。大庆: 东北石油大学, 2023 LU H B.基于YOLOv5s的钢表面缺陷检测研究[D]。大庆:东北石油大学,2023年。 [11] 司宏翔, 刘国巍. 针对小目标缺陷的YOLOv5系列锚框改进方法研究[J] ●●●●。无线互联科技, 2023, 19(2): 125-127. SI H X,LIU G W.YOLOv5型锚架小目标缺陷改进方法研究[J]。无线互联网技术。2023, 19(2): 125-127. [12] 谷长江, 高法钦. 改进YOLOv5系列的钢材表面缺陷检测[J] ●●●●。软件工程, 2023, 26(8): 31-34. GU C J,GAO F Q.基于改进YOLOv5s的钢铁表面缺陷检测[J]。软件工程,2023,26(8):31-34。 [13] 吴敌, 李明辉, 马文凯, 等. 基于改进YOLOv5公司的钢材表面缺陷检测[J] ●●●●。陕西科技大学学报, 2023, 41(2): 162-169. WU D,LI M H,MA W K,等.基于改进YOLOv5的钢表面缺陷检测[J]。陕西科技大学学报,2023,41(2):162-169。 [14] LIN T Y,DOLLáR P,GIRSHICK R,等。用于目标检测的特征金字塔网络[C]//2017 IEEE计算机视觉和模式识别会议。纽约:IEEE出版社,2017:936-944。 [15] 刘S,齐磊,秦海峰,等.基于路径聚合网络的实例分割[C]//2018 IEEE CVF计算机视觉与模式识别会议。纽约:IEEE出版社,2018:8759-8768。 [16] WOO S,PARK J,LEE J Y,等.卷积块注意模型[J]。arXiv:1807.065212018年。 [17] 段必冲, 马明涛. 基于改进YOLOv5公司算法的口罩检测研究[J] ●●●●。计算机工程与应用, 2023, 59(16): 223-231. DUAN B C,MA M T.基于YOLOv5算法的改进掩模检测方法研究[J]。计算机工程与应用,2023,59(16):223-231。 [18] 王建清,陈凯,徐锐,等.CARAFE:功能的内容软件重组[C]//IEEE/CVF国际计算机视觉会议论文集,2019:3007-3016。 [19] 邵延华, 张铎, 楚红雨, 等. 基于深度学习的YOLO测试[J]。电子与信息学报, 2022, 44(10): 3697-3708. SHAO YH,ZHANG D,CHU HY,等.基于深度学习的YOLO目标检测研究综述[J]。电子与信息技术杂志,2022,44(10):3697-3708。 [20] 王C,马克·L·CSPNet:一个可以增强CNN学习能力的新主干[J]。arXiv:2003.091192020年。 [21] 齐向明, 柴蕊, 高一萌. 重构SPPCSPC公司与优化下采样的小目标检测算法[J] ●●●●。计算机工程与应用, 2023, 59(20): 158-166. QI X M,CHAI R,GAO Y M。用于小目标检测的SPPCSPC重构和优化下采样算法[J]。计算机工程与应用,2023,59(20):158-166。 [22] 何敏, 秦亮, 赵峰, 等. 面向电力系统现场作业的安全风险管控智能检测算法[J] ●●●●。高电压技术, 2023, 49(6): 2442-2457. 何敏,秦磊,赵峰,等。电力系统现场运行安全风险管控智能检测算法[J]。高压工程,2023,49(6):2442-2457。 [23] 贾天豪, 彭力, 戴菲菲. 引入残差学习与多尺度特征增强的目标检测器[J] ●●●●。计算机科学与探索, 2023, 17(5): 1102-1111. JIA T H,PENG L,DAI F F.基于残差学习和多尺度特征增强的目标检测器[J]。计算机科学与技术前沿杂志,2023,17(5):1102-1111。 [24] 王鑫, 张铭. 基于申威众核架构的分组卷积计算加速与优化[J] ●●●●。计算机应用研究, 2023, 40(6): 1745-1749. 王X,张M.基于SW多核体系结构的群卷积计算加速与优化[J]。计算机应用研究,2023,40(6):1745-1749。 [25]HOU Q B,ZHOU D Q,FENG J S.高效移动网络设计的协调关注[C]//IEEE/CVF计算机视觉和模式识别会议论文集,纳什维尔,2021:13713-13722。 [26]HU J,SHEN L,SUN G.挤压和激励网络[C]//IEEE计算机视觉和模式识别会议论文集,2018:7132-7141。 [27] 肖鹏程, 徐文广, 张妍, 等. 基于东南方注意力机制的废钢分类评级方法[J] ●●●●。工程科学学报, 2023, 45(8): 1342-1352. 肖鹏,徐伟光,张毅,等。基于SE注意机制的废品分类与评级方法研究[J]。中国工程学报,2023,45(8):1342-1352。 [28] 李孟浩, 袁三男. 改进YOLOv5系列的交通标识检测算法[J] ●●●●。南京信息工程大学学报(自然科学版), 2024, 16(1): 11-19. 李敏华,袁世宁。基于改进YOLOv5s的交通标志检测算法[J]。南京信息科技大学学报(自然科学版),2024,16(1):11-19。 |