来源：期刊VIP网 时间：
作者：周耀威;孔令军;戴琪;郭乐婷;张楠;蒋阮昕明;叶全意;赵宁;金秀峰;
单位：金陵科技学院网络与通信工程学院;
摘要：为了解决深度学习包裹破损检测中遇到的数据多样和复杂性问题,提出了一种基于多头自注意力(MultiHead Self-Attention,MHSA)机制与卷积神经网络(Convolutional Neural Network, CNN)模块的轻量级包裹破损检测算法。在YOLOv7框架的基础上,采用了Bo T3模型替换主干网络部分,使其能够更好地捕捉输入序列中的长距离依赖关系,从而提高特征表达能力;使用卷积块注意力模块(Convolutional Block Attention Module, CBAM)注意力机制对特征融合部分中的MP-2模块进行融合,使其能够更有效地挖掘特征图中的通道和位置相关性,从而提升网络的感知能力和性能。通过在多个不同的数据集上进行测试,在各类包裹图像的平均精度均值(Mean Average Precision, mAP)方面达到了88.4%,与YOLOv7相比检测精度提升了10.9%,利于实际场景下的包裹破损检测。
关键词：深度学习;;目标检测;;包裹检测;;轻量级;;自注意力机制
基金资助：国家级大学生创新创业训练计划项目(202213573025Z);; 江苏省大学生创新训练项目(202413573083Y);; 江苏省高等学校基础科学(自然科学)研究重大项目(22KJA510009);; 江苏省高校“青蓝工程”项目;; 金陵科技学院高层次人才科研启动资金(JIT-B-202110);金陵科技学院科教融合项目(2024KJRH21)~~
