本发明公开了一种基于嵌入自注意力门模块的yolov3网络的
锂电池缺陷检测方法,包括采集含有待检测缺陷的锂电池图像,并将采集的图像统一缩放至合适大小;利用嵌入自注意力门模块的yolov3网络进行特征提取;其中,自注意力门模块包括多尺度特征融合模块和自注意力机制模块两部分;以yolov3网络模型的darknet‑53网络作为主干网络进行特征提取。该方法深层特征和浅层特征首先通过自注意力门模块集成,可以捕获在空间维度上的上下文信息并抑制浅层特征的复杂背景的冗余信息,然后自注意力门模块采用空间注意力计算每个像素的权重得到注意力映射图,充分利用了上下文信息,在处理一些相似的目标缺陷时,上下文信息可以更好地将它们区别开。
声明:
“基于嵌入自注意力门模块的yolov3网络的锂电池缺陷检测方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)