汪小龙蒋永胜

安徽建筑大学机械与电气工程学院

摘要： 针对传统的目标检测算法需要人为进行特征提取、算法检测精度低、识别速度慢的问题,结合深度学习方法,提出了一种基于SSD模型的目标检测算法,首先将SSD模型的前置网络VGG替换为MobileNet V2,减少模型训练参数,降低运算量,从而提高模型的检测速度;其次,引入Focal loss作为分类损失函数,优化模型中正负样本的不平衡问题,同时自制机械零件数据集,通过数据增强丰富数据集,以提高模型的鲁棒性.结果表明:改进SSD算法在检测速度和检测精度上均具有一定的优越性.

关键词：深度学习;机械零件目标检测;SSD算法;轻量级网络;Focal loss;

专辑：社会科学Ⅱ辑; 工程科技Ⅱ辑; 信息科技

专题：机械工业; 计算机软件及计算机应用; 自动化技术

分类号：TH16;TP391.41;TP18

上一条：地铁隧道风井施工安全风险评价下一条：改进型预测函数控制在DC-DC变换器中的应用