本發(fā)明公開了一種基于嵌入自注意力門模塊的yolov3網(wǎng)絡(luò)的
鋰電池缺陷檢測(cè)方法,包括采集含有待檢測(cè)缺陷的鋰電池圖像,并將采集的圖像統(tǒng)一縮放至合適大?。焕们度胱宰⒁饬﹂T模塊的yolov3網(wǎng)絡(luò)進(jìn)行特征提??;其中,自注意力門模塊包括多尺度特征融合模塊和自注意力機(jī)制模塊兩部分;以yolov3網(wǎng)絡(luò)模型的darknet?53網(wǎng)絡(luò)作為主干網(wǎng)絡(luò)進(jìn)行特征提取。該方法深層特征和淺層特征首先通過自注意力門模塊集成,可以捕獲在空間維度上的上下文信息并抑制淺層特征的復(fù)雜背景的冗余信息,然后自注意力門模塊采用空間注意力計(jì)算每個(gè)像素的權(quán)重得到注意力映射圖,充分利用了上下文信息,在處理一些相似的目標(biāo)缺陷時(shí),上下文信息可以更好地將它們區(qū)別開。
聲明:
“基于嵌入自注意力門模塊的yolov3網(wǎng)絡(luò)的鋰電池缺陷檢測(cè)方法” 該技術(shù)專利(論文)所有權(quán)利歸屬于技術(shù)(論文)所有人。僅供學(xué)習(xí)研究,如用于商業(yè)用途,請(qǐng)聯(lián)系該技術(shù)所有人。
我是此專利(論文)的發(fā)明人(作者)