基于Yolov5的NEU-DET钢材表面缺陷检测，优化组合新颖程度较高：CVPR2023 DCNV3和InceptionNeXt，涨点明显

AI小怪兽

已于 2023-09-18 20:38:50 修改

阅读量3.2k

点赞数 1

CC 4.0 BY-SA版权

文章标签： YOLO 目标检测计算机视觉人工智能深度学习

于 2023-04-29 16:08:42 首次发布

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/m0_63774211/article/details/130441276

YOLOv5/YOLOv7/YOLOv8科研创新专栏收录该内容

7 篇文章 ¥239.90 ¥399.90

订阅专栏

本文介绍了基于YOLOv5s的钢铁表面缺陷检测，探讨了Inception-MetaNeXtStage和DCNV3的融合使用，通过引入CVPR2023的DCNV3思想，实验结果显示性能提升显著，具有较高的创新性和实用性。提供了相关训练结果和源码链接。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

目录

1.钢铁缺陷数据集介绍

2.基于yolov5s的训练

2.1 Inception-MetaNeXtStage

2.3 DCNV3+MetaNeXtStage

1.钢铁缺陷数据集介绍

NEU-DET钢材表面缺陷共有六大类，分别为：'crazing','inclusion','patches','pitted_surface','rolled-in_scale','scratches'

每个类别分布为：

训练结果如下：

2.基于yolov5s的训练

map值：

2.1 Inception-MetaNeXtStage

对应博客：

了解本专栏

评论 2

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

打赏作者

AI小怪兽 你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20

扫码支付：¥1

获取中

扫码支付

您的余额不足，请更换扫码支付或充值

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。