基于YOLOv5的零件識(shí)別輕量化算法

摘要： 為了解決現(xiàn)有的基于深度學(xué)習(xí)的零件識(shí)別模型參數(shù)量過(guò)大、檢測(cè)速度慢、檢測(cè)精度低的問(wèn)題，以YOLOv5模型為基礎(chǔ)，提出了結(jié)合輕量級(jí)網(wǎng)絡(luò)和Transformer的零件識(shí)別算法。首先，設(shè)計(jì)了一種輕量級(jí)主干特征提取網(wǎng)絡(luò)，以減少網(wǎng)絡(luò)的參數(shù)量和計(jì)算量，并提升推理速度；其次，將Transformer模塊與C3模塊融合構(gòu)成C3TR模塊，以增強(qiáng)小目標(biāo)的檢測(cè)能力；最后，引入噪音凈化模塊，通過(guò)過(guò)濾噪音來(lái)...