基于卷积神经网络的织物图像识别方法研究进展

摘要

工业领域中的缺陷检测是在质检过程中必不可少的任务，主要工作是对获取到的图像中的缺陷目标进行分类和定位。深度学习领域中，基于神经网络的算法能发挥其较强的性能和速度优势。由于 YOLOv5 算法在天池数据集部分类别的召回率远远低于精确率，导致整体的 mAP 不高。基于上述问题，分别在 YOLOv5 算法的分类损失和分类梯度的权重上进行改进。本文分别引入了 Eqlv1 和 Eqlv2 的损失计算方法，设计了基于 YOLOv5损失函数的 RLTv1（Recall Long Tailed v1）算法和基于 YOLOv5 梯度重加权的 RLTv2（Recall Long Tailed v2）算法，旨力于解决召回率的尾部被头部压制的问题。