基于改進(jìn)YOLACT的堆疊零件實例分割算法

摘要： 為了解決堆疊環(huán)境下零件實例分割精度差的問題，提出了一種改進(jìn)YOLACT算法。通過在主干網(wǎng)絡(luò)中C3和C4層引入多級特征融合與通道注意力機(jī)制模塊(MLCA),優(yōu)化了特征提取的精度。為了在保證圖像同時獲取多感受野信息，采用上下文特征金字塔模塊(AC-FPN)結(jié)構(gòu)替代傳統(tǒng)FPN金字塔，獲取更多感受野，以準(zhǔn)確完成預(yù)測。通過自制堆疊零件數(shù)據(jù)集完成網(wǎng)絡(luò)訓(xùn)練與實驗。對比實驗表明，改進(jìn)后的YOL... （共6頁）