.png){kind=icon}
返回
Beyond architecture: Hyperparameter optimization for YOLOv8m in multi-class textile defect detection
.png){kind=icon}
OA
AI
DOI：10.1016/j.rineng.2025.108356.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 提出了一种针对多类纺织品缺陷检测的YOLOv8m配置优先的超参数优化方法。
• 在实时处理吞吐量下实现了63.2%的mAP@0.5，超越了更复杂的架构模型。
• 通过多随机种子可复现性测试展示了稳健性，具有低方差和95%置信区间。
• 提供了全面的消融研究，阐明了损失权重、分类阈值和验证设置的合理性。
• 与包括EfficientDet、transformers和anchor-free方法在内的最新模型进行了基准测试，并采用一致的评估设置。
Keyword:
Fabric defect detection
Hyperparameter optimization
Textile inspection
Object detection
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
