[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。 |
