深度学习中单阶段金属表面缺陷检测算法优化综述 被引量：5

1

作者 董甲东 郭庆虎 +1 位作者 陈琳 桑飞虎 《计算机工程与应用》 北大核心 2025年第4期72-89,共18页

金属表面的划痕、凹坑、波纹等缺陷会直接影响产品的质量。传统的检测方法耗时耗力,准确性受限于操作人员的经验和技能。近年来,深度学习技术在图像识别领域的突破性进展为金属表面缺陷检测提供了新的解决方案,基于深度学习的金属表面... 金属表面的划痕、凹坑、波纹等缺陷会直接影响产品的质量。传统的检测方法耗时耗力,准确性受限于操作人员的经验和技能。近年来,深度学习技术在图像识别领域的突破性进展为金属表面缺陷检测提供了新的解决方案,基于深度学习的金属表面缺陷检测方法在检测精度和速度方面取得了显著成效。为了便于金属表面缺陷检测算法的研究,综合分析了单阶段深度学习算法在金属表面缺陷检测中的优化方法及应用。介绍了目前常用的金属表面缺陷数据集和算法评价指标;总结了目标检测算法的发展史以及单阶段目标检测算法的基本概念和典型模型;从数据增强、特征的提取与融合、锚框优化三个方面,对比总结了不同算法不同优化方式的优缺点,并研究了金属表面缺陷检测算法的轻量化;从多模态融合、大数据应用技术、现实与虚拟结合三个方面对金属表面缺陷检测算法的未来研究方向进行了展望。 展开更多

关键词 金属表面缺陷检测 深度学习 单阶段目标检测算法 模型优化

在线阅读 下载PDF 职称材料

特征增强的单阶段遥感图像目标检测模型 被引量：7

2

作者 汪西莉 梁敏 刘涛 《西安电子科技大学学报》 EI CAS CSCD 北大核心 2022年第3期160-170,共11页

随着卷积神经网络的发展,遥感图像目标检测性能提升明显,但场景的复杂性和目标大小、形态的多样性依然对目标检测带来挑战。针对复杂情况下不同大小目标的检测问题进行研究。特征金字塔结构是解决不同大小目标检测的有效方法,但其逐层... 随着卷积神经网络的发展,遥感图像目标检测性能提升明显,但场景的复杂性和目标大小、形态的多样性依然对目标检测带来挑战。针对复杂情况下不同大小目标的检测问题进行研究。特征金字塔结构是解决不同大小目标检测的有效方法,但其逐层传递特征的方式可能产生特征丢失问题,故提出跳跃连接特征金字塔模块来增强特征金字塔结构中各层特征的语义和细节信息。同时,使用位置注意力强化目标区域特征是提升目标检出率的有效方法,并有助于复杂场景下目标的检测,但现有的位置注意力往往同时强化了不精确的预测结果,对最终预测结果产生干扰。为此提出基于锚框的位置注意力模块,强化更可能产生精确预测结果的特征区域。将跳跃连接特征金字塔模块和基于锚框的位置注意力模块嵌入到RetinaNet模型中,形成端到端的特征增强的单阶段遥感图像目标检测模型FENet(Feature Enhanced Network)。针对复杂的遥感影像目标检测进行实验,在UCAS-AOD数据集上FENet模型mAP比FAN(Face Attention Network)高1.78%,在RSOD数据集上比FAN模型提升了1.48%,且超越了其他先进模型。此外,FENet在单块Titan X GPU上对800×800图像的测试时间是0.058 s。实验结果表明,与同类模型相比,所提模型增强了目标的特征提取能力,进而提升了检测性能。 展开更多

关键词 遥感图像 特征金字塔 位置注意力 锚框 单阶段目标检测

在线阅读 下载PDF 职称材料

基于注意力引导和多样本决策的舰船检测方法 被引量：1

3

作者 吕奕龙 苟瑶 +2 位作者 李敏 何玉杰 邢宇航 《北京航空航天大学学报》 北大核心 2025年第1期202-213,共12页

单阶段目标检测方法具有训练速度快、检测时间短的特点,然而其特征金字塔网络(FPN)难以抑制合成孔径雷达(SAR)舰船图像的背景和噪声信息,且检测头存在预测误差。针对该问题,提出一种基于注意力引导和多样本决策的检测方法,用于SAR舰船... 单阶段目标检测方法具有训练速度快、检测时间短的特点,然而其特征金字塔网络(FPN)难以抑制合成孔径雷达(SAR)舰船图像的背景和噪声信息,且检测头存在预测误差。针对该问题,提出一种基于注意力引导和多样本决策的检测方法,用于SAR舰船检测。提出一种注意力引导网络,将其添加至特征金字塔的最高层,使其抑制背景和噪声干扰,从而提升特征的表示能力。提出多样本决策网络,使其参与目标位置的预测。该网络通过增加回归分支中输出的样本数量,缓解预测误差对检测结果的影响。设计了一种新颖的最大似然损失函数。该损失函数利用多样本决策网络中输出的样本构造出最大似然函数,用于规范决策网络的训练,进一步提升目标定位的精度。以RetinaNet网络模型为基线方法,相较于基线方法及目前先进的目标检测方法,所提方法在舰船检测数据集SSDD上表现出最高的检测精度,AP达到52.8%。相比基线方法,所提方法在AP评价指标上提升了3.4%~5.7%,且训练参数量仅增加2.03×10^(6),帧率仅降低0.5帧/s。 展开更多

关键词 舰船检测 注意力引导 多样本决策 最大似然损失函数 单阶段检测 合成孔径雷达

在线阅读 下载PDF 职称材料

基于单阶段网络模型的目标检测改进算法 被引量：11

4

作者 王燕妮 刘祥 刘江 《探测与控制学报》 CSCD 北大核心 2021年第2期56-62,68,共8页

针对目前单阶段目标检测算法中存在的误检、漏检以及检测精度不够高等问题,提出一种基于单阶段网络模型的目标检测改进算法。该算法使用深度残差网络对基础网络进行替换,提取更优秀的特征;增加一层用于检测小目标的底层特征图;结合反卷... 针对目前单阶段目标检测算法中存在的误检、漏检以及检测精度不够高等问题,提出一种基于单阶段网络模型的目标检测改进算法。该算法使用深度残差网络对基础网络进行替换,提取更优秀的特征;增加一层用于检测小目标的底层特征图;结合反卷积和特征融合的方法,对提取出的高层特征图与底层特征图进行融合,使新的特征图中包含更丰富的上下文信息;设计更密集的检测框且在每层卷积层后都添加批规范化操作以提升模型训练速度,防止过拟合。仿真实验结果表明,改进算法在PASCAL VOC2007数据集上较原始算法检测精度提升1.3%,检测效果更加准确,同时改进算法显著改善了误检、漏检等问题;但由于网络复杂度过高,导致检测速度有所下降。 展开更多

关键词 目标检测 单阶段多框目标检测 深度残差网络 特征融合

在线阅读 下载PDF 职称材料

基于单阶段的多人脸动态检测系统

5

作者 巩稼民 张凯泽 +2 位作者 杨红蕊 赵梦凯 杨立春 《现代电子技术》 2021年第17期49-55,共7页

针对当前人脸签到效率偏低的问题,提出了一种基于单阶段的多人脸动态检测方案。首先输入包含人脸的图片,经过MobileNet卷积提取特征,接着送入FPN网络提取多尺度候选框,最后输入到上下文模块完成检测和分类。在实验对比过程中,将改进的... 针对当前人脸签到效率偏低的问题,提出了一种基于单阶段的多人脸动态检测方案。首先输入包含人脸的图片,经过MobileNet卷积提取特征,接着送入FPN网络提取多尺度候选框,最后输入到上下文模块完成检测和分类。在实验对比过程中,将改进的单阶段网络与传统的目标检测网络以及卷积神经网络进行对比,改进后的方案因其出色的结构有效地减少了时间成本,在CPU环境中,在720P以及VGA视频总用时相比HOG方案快了至少2倍;在GPU环境中,对720P以及VGA视频相比CNN方案,检测速率分别提高了17.8%和1.3%。另外,在精度方面,检测的难度越大,提出的方案越有优势。当每帧人脸介于3~5个之间时,相较于HOG、Haar以及CNN方案,分别提高了约20.7%,18.4%和11.7%;当每帧人脸介于6~10个之间时,相较于HOG、Haar以及CNN方案分别提高了约52.5%,53.0%和34.4%。 展开更多

关键词 动态检测 多人脸检测 单阶段检测 特征金字塔网络 上下文模块 卷积神经网络 智能签到

在线阅读 下载PDF 职称材料

深度学习中的单阶段小目标检测方法综述 被引量：68

6

作者 李科岑 王晓强 +4 位作者 林浩 李雷孝 杨艳艳 孟闯 高静 《计算机科学与探索》 CSCD 北大核心 2022年第1期41-58,共18页

随着深度学习的不断发展,目标检测技术逐步从基于传统的手工检测方法向基于深度神经网络的检测方法转变。在众多基于深度学习的目标检测方法中,基于深度学习的单阶段目标检测方法因其网络结构较简单、运行速度较快以及具有更高的检测效... 随着深度学习的不断发展,目标检测技术逐步从基于传统的手工检测方法向基于深度神经网络的检测方法转变。在众多基于深度学习的目标检测方法中,基于深度学习的单阶段目标检测方法因其网络结构较简单、运行速度较快以及具有更高的检测效率而被广泛运用。但现有的基于深度学习的单阶段目标检测方法由于小目标物体包含的特征信息较少、分辨率较低、背景信息较复杂、细节信息不明显以及定位精度要求较高等原因,导致在检测过程中对小目标物体的检测效果不理想,使得模型检测精度降低。针对目前基于深度学习的单阶段目标检测方法存在的问题,研究了大量基于深度学习的单阶段小目标检测技术。首先从单阶段目标检测方法的AnchorBox、网络结构、交并比函数以及损失函数等几个方面,系统地总结了针对小目标检测的优化方法;其次列举了常用的小目标检测数据集及其应用领域,并给出在各小目标检测数据集上的检测结果图;最后探讨了基于深度学习的单阶段小目标检测方法的未来研究方向。 展开更多

关键词 深度学习 单阶段目标检测 小目标检测

在线阅读 下载PDF 职称材料

深度学习中的单阶段车辆检测算法综述 被引量：14

7

作者 杨锦帆 王晓强 +4 位作者 林浩 李雷孝 杨艳艳 李科岑 高静 《计算机工程与应用》 CSCD 北大核心 2022年第7期55-67,共13页

随着深度学习的发展,基于深度学习的车辆检测算法性能不断被提升,在构建智能交通体系方面发挥重要作用。单阶段目标检测模型因其检测速度的优越性,被广泛应用于车辆实时检测。为了综合分析基于深度学习的单阶段车辆检测算法相关改进及应... 随着深度学习的发展,基于深度学习的车辆检测算法性能不断被提升,在构建智能交通体系方面发挥重要作用。单阶段目标检测模型因其检测速度的优越性,被广泛应用于车辆实时检测。为了综合分析基于深度学习的单阶段车辆检测算法相关改进及应用,分别对比了各类常用单阶段车辆检测算法,列举其改进措施以及在车辆检测方面存在的问题;重点阐述了基于常见单阶段车辆检测算法针对现有问题采取的相关改进以及应用领域;简要介绍了车辆检测相关数据集,对现阶段车辆检测中亟待解决的问题与难点进行了分析,提出了车辆检测未来的研究方向。 展开更多

关键词 深度学习 车辆检测 单阶段目标检测

在线阅读 下载PDF 职称材料

基于深度学习的单阶段目标检测算法研究综述 被引量：53

8

作者 刘俊明 孟卫华 《航空兵器》 CSCD 北大核心 2020年第3期44-53,共10页

近年来,深度学习技术推动目标检测算法取得了突破式进展。基于深度学习的目标检测算法可分为两阶段检测算法和单阶段检测算法。相比两阶段检测算法,单阶段检测算法的结构简单、计算高效,同时具备不错的检测精度,在实时目标检测领域中具... 近年来,深度学习技术推动目标检测算法取得了突破式进展。基于深度学习的目标检测算法可分为两阶段检测算法和单阶段检测算法。相比两阶段检测算法,单阶段检测算法的结构简单、计算高效,同时具备不错的检测精度,在实时目标检测领域中具有较高的研究和应用价值。本文首先回顾了单阶段检测算法的发展历史,分析总结了相关算法的优缺点,然后归纳提出了单阶段目标检测算法的通用框架,接着对框架中的特征提取模块和检测器进行了深入分析,指出了其对算法性能的影响,最后对单阶段检测算法的发展趋势进行了展望。 展开更多

关键词 深度学习 单阶段目标检测算法 特征提取 特征融合 ANCHOR 损失函数 人工智能

在线阅读 下载PDF 职称材料

基于转置卷积操作改进的单阶段多边框目标检测方法 被引量：8

9

作者 郭川磊 何嘉 《计算机应用》 CSCD 北大核心 2018年第10期2833-2838,共6页

针对单阶段多边框目标检测(SSD)模型在以高交并比(Io U)评估平均检测精度(m AP)时出现的精度下降问题,提出一种使用转置卷积操作构建的循环特征聚合模型。该模型以SSD模型为基础,使用Res Net 101作为特征提取网络。首先,利用转置卷积操... 针对单阶段多边框目标检测(SSD)模型在以高交并比(Io U)评估平均检测精度(m AP)时出现的精度下降问题,提出一种使用转置卷积操作构建的循环特征聚合模型。该模型以SSD模型为基础,使用Res Net 101作为特征提取网络。首先,利用转置卷积操作扩大网络结构中深层特征图的尺寸,为浅层特征图引入对目标的高层抽象和上下文信息;其次,使用全连接卷积层减少浅层特征图在进行特征聚合时出现偏差的可能性;最后,将浅层特征图与表示了上下文信息的深层特征图拼接,并使用1×1卷积操作恢复通道数。特征聚合过程可以循环进行多次。实验结果表明,使用KITTI数据集,以交并比(Io U)为0. 7评估平均检测精度,与原始SSD模型相比,循环特征聚合模型的检测精度提高了5. 1个百分点;与已有的精度最高Faster R-CNN相比,检测精度提高了2个百分点。循环特征聚合模型能有效提升平均目标检测精度,生成高质量的边界框。 展开更多

关键词 目标检测 转置卷积 特征聚合 单阶段多边框目标检测模型

在线阅读 下载PDF 职称材料

基于注意力机制的单阶段目标检测锚点框部件感知特征表达 被引量：2

10

作者 唐乾坤 胡瑜 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2020年第8期1293-1304,共12页

针对现有单阶段目标检测算法锚点框特征表达不足影响检测精度的问题,提出了一种增强锚点框特征表达的算法,其包含注意力机制模块和部件感知模块.首先,注意力机制模块根据各个锚点框的不同属性自适应地提供不同的特征表达.然后,部件感知... 针对现有单阶段目标检测算法锚点框特征表达不足影响检测精度的问题,提出了一种增强锚点框特征表达的算法,其包含注意力机制模块和部件感知模块.首先,注意力机制模块根据各个锚点框的不同属性自适应地提供不同的特征表达.然后,部件感知模块准确地提取各个锚点框内部的判别性部件特征以作为各个锚点框进行预测所需的特有特征.将所提设计与现有SSD算法结合并在多个公开的目标检测数据集上进行实验,结果表明,所提算法能够显著提高单阶段目标检测算法的精度并维持实时运行速度(14 ms);进一步地,在扩展实验上的结果表明,所提算法也能够改善生成的区域建议框的召回率及两阶段目标检测算法的精度. 展开更多

关键词 卷积神经网络 单阶段目标检测 区域建议框 注意力模块 部件感知模块

在线阅读 下载PDF 职称材料

基于正负锚点框均衡及特征对齐的单阶段目标检测算法 被引量：2

11

作者 唐乾坤 胡瑜 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2020年第11期1773-1783,共11页

针对正负例锚点框不均衡将降低基于锚点框的单阶段目标检测算法的检测精度的问题,提出一种包含锚点框提升模块和特征对齐模块来均衡正负例锚点框的算法.首先在锚点框提升模块中预测各个锚点框为正例的可能性,并粗略调整初始锚点框的位... 针对正负例锚点框不均衡将降低基于锚点框的单阶段目标检测算法的检测精度的问题,提出一种包含锚点框提升模块和特征对齐模块来均衡正负例锚点框的算法.首先在锚点框提升模块中预测各个锚点框为正例的可能性,并粗略调整初始锚点框的位置和尺寸;然后在特征对齐模块中为调整后的锚点框提取预测所需的对齐特征;最后检测网络借助锚点框提升模块输出信息,从调整后的锚点框中识别出简单负例锚点框,并在训练阶段忽略其梯度.将文中算法应用于以VGG-16和ResNet-101为特征提取网络的编解码架构中,在目标检测数据集MS COCO和PASCAL VOC上进行实验,结果表明,该算法能够显著改善不均衡问题,提高单阶段目标检测算法的检测精度(MS COCO和PASCAL VOC上的精度分别为42.8%和82.7%),并维持28.6帧/s的实时运行速度. 展开更多

关键词 卷积神经网络 单阶段目标检测 锚点框正负例不均衡 锚点框提升模块 特征对齐模块

在线阅读 下载PDF 职称材料

基于深度学习的单阶段车辆检测算法综述 被引量：12

12

作者 赵奇慧 刘艳洋 项炎平 《计算机应用》 CSCD 北大核心 2020年第S02期30-36,共7页

随着基于深度学习的车辆检测技术的更新迭代,它在智能交通中发挥着越来越重要的作用。单阶段目标检测网络因其检测速度快的优点,被广泛地应用于监控视频中的车辆实时检测。为了综合分析和了解现今各种深度学习网络在车辆检测中应用情况... 随着基于深度学习的车辆检测技术的更新迭代,它在智能交通中发挥着越来越重要的作用。单阶段目标检测网络因其检测速度快的优点,被广泛地应用于监控视频中的车辆实时检测。为了综合分析和了解现今各种深度学习网络在车辆检测中应用情况,先介绍了当前深度学习中各类目标检测方法在车辆检测中的应用,之后简介了当前常用的单阶段目标检测算法,详细阐述了实时车辆检测中各类单阶段检测算法的实际应用状况,列举了这些算法的优点和不足。最后,简单介绍了车辆检测相关数据集和评价标准,对目前车辆检测中待解决的问题、未来待改进的方向进行了分析和讨论,为车辆检测的发展方向提供了思路。 展开更多

关键词 车辆检测 图像处理 深度学习 目标识别 单阶段目标检测

在线阅读 下载PDF 职称材料

基于优化预测定位的单阶段目标检测算法 被引量：7

13

作者 张娜 戚旭磊 +3 位作者 包晓安 吴彪 涂小妹 金瑜婷 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2022年第4期783-794,共12页

针对单阶段多边框检测(SSD)算法中存在目标定位不准确和小目标检测精度不高的问题,提出基于优化预测定位的单阶段目标检测算法EL-SSD.通过双向加权特征金字塔将原SSD预测特征图特征融合,对输出特征图进行特征位置信息解码后进行特征通... 针对单阶段多边框检测(SSD)算法中存在目标定位不准确和小目标检测精度不高的问题,提出基于优化预测定位的单阶段目标检测算法EL-SSD.通过双向加权特征金字塔将原SSD预测特征图特征融合,对输出特征图进行特征位置信息解码后进行特征通道权重再分配,提升了特征语义信息,捕获了跨通道位置信息.通过构建分类置信度及额外的定位置信度级联聚类对预测框进行非极大值抑制,提高在检测阶段对选择目标的定位精度.实验结果表明,EL-SSD算法在PASCAL VOC2007上的平均检测均值达到79.8%,比原SSD算法提高了2.6%.在COCO数据集上的精度达到29.4%,比原SSD算法提高了3.5%,在检测图片上的目标定位效果及小目标检测效果明显优于SSD,适用于需要高定位性能的实时应用场景. 展开更多

关键词 目标检测 单阶段多边框检测算法 特征融合 非极大值抑制 定位置信度

在线阅读 下载PDF 职称材料

基于跨尺度特征提取的锻件表面裂纹检测算法

14

作者 张岳 张上 +3 位作者 王恒涛 张朝阳 许欢 熊偌炎 《计算机集成制造系统》 北大核心 2025年第2期499-511,共13页

锻件表面裂纹危害性大,检测效率低,为解决传统人工磁粉检测锻件裂纹场景中存在的问题,提出一种锻件表面裂纹实时检测算法。首先采集重卡转向节生产流水线中探伤车间的磁粉检测图像,制作锻件表面裂纹数据集;然后提出轻量多尺度卷积模块LM... 锻件表面裂纹危害性大,检测效率低,为解决传统人工磁粉检测锻件裂纹场景中存在的问题,提出一种锻件表面裂纹实时检测算法。首先采集重卡转向节生产流水线中探伤车间的磁粉检测图像,制作锻件表面裂纹数据集;然后提出轻量多尺度卷积模块LMSConv,实现单模块跨尺度特征提取,同时提出大型可分离内核注意力快速空间金字塔池化模块LSKA-SPPF,进一步加强整体跨尺度特征融合能力;最后,更改Bbox损失函数为Focal EIoU,以提高锚框回归精度。锻件表面裂纹数据集与NEU-DET数据集上的实验结果表明算法检测精度高,复杂度低,对比其他主流单阶段目标检测算法,所提算法漏检率和误检率降低,具有较强的鲁棒性,能够满足锻件裂纹检测的需要。 展开更多

关键词 表面缺陷检测 跨尺度特征 锻件裂纹 单阶段目标检测

在线阅读 下载PDF 职称材料

单阶段多框检测器无人机航拍目标识别方法 被引量：9

15

作者 朱槐雨 李博 《计算机应用》 CSCD 北大核心 2021年第11期3234-3241,共8页

无人机(UAV)航拍图像视野开阔,图像中的目标较小且边缘模糊,而现有单阶段多框检测器(SSD)目标检测模型难以准确地检测航拍图像中的小目标。为了有效地解决原有模型容易漏检的问题,借鉴特征金字塔网络(FPN)提出了一种基于连续上采样的SS... 无人机(UAV)航拍图像视野开阔,图像中的目标较小且边缘模糊,而现有单阶段多框检测器(SSD)目标检测模型难以准确地检测航拍图像中的小目标。为了有效地解决原有模型容易漏检的问题,借鉴特征金字塔网络(FPN)提出了一种基于连续上采样的SSD模型。改进SSD模型将输入图像尺寸调整为320×320,新增Conv3_3特征层,将高层特征进行上采样,并利用特征金字塔结构对VGG16网络前5层特征进行融合,从而增强各个特征层的语义表达能力,同时重新设计先验框的尺寸。在公开航拍数据集UCAS-AOD上训练并验证,实验结果表明,所提改进SSD模型的各类平均精度均值(mAP)达到了94.78%,与现有SSD模型相比,其准确率提升了17.62%,其中飞机类别提升了4.66%,汽车类别提升了34.78%。 展开更多

关键词 航拍图像 卷积神经网络 目标检测 单阶段多框检测器 特征融合

在线阅读 下载PDF 职称材料

基于anchor-free的光学遥感舰船关重部位检测算法 被引量：3

16

作者 张冬冬 王春平 付强 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2024年第4期1365-1374,共10页

针对基于深度学习的遥感舰船检测算法存在精细化程度不足、检测效率低的问题,提出一种基于anchor-free的光学遥感舰船关重部位检测算法。所提算法以全卷积的单阶段目标检测(FCOS)算法为基准,在主干网络中引入全局上下文模块,提高网络的... 针对基于深度学习的遥感舰船检测算法存在精细化程度不足、检测效率低的问题,提出一种基于anchor-free的光学遥感舰船关重部位检测算法。所提算法以全卷积的单阶段目标检测(FCOS)算法为基准,在主干网络中引入全局上下文模块,提高网络的特征表达能力;为更好地描述目标的方向性,在预测阶段构建了具有方向表征能力的回归分支;对中心度函数进行优化,使其具备方向感知和自适应能力。实验结果表明:在自建舰船关重部位数据集和HRSC2016上,所提算法的平均精度(AP)比FCOS算法有显著提升;与其他算法相比,所提算法在检测速度和检测精度上均表现优越,具有较高的检测效率。 展开更多

关键词 深度学习 遥感图像 anchor-free 舰船检测 关重部位检测 全卷积单阶段检测

在线阅读 下载PDF 职称材料

基于深度学习的木材缺陷智能检测的研究进展与展望 被引量：10

17

作者 王明涛 项晓扬 +2 位作者 崔文燕 院霖享 多化琼 《林产工业》 北大核心 2024年第3期38-44,共7页

木材作为天然生物材料很容易受到内外界影响从而产生不符合人们生产需求的缺陷,人们为了准确高效的识别木材缺陷进行了大量的研究。本文对近年来基于深度学习的木材缺陷检测技术进行梳理,根据使用方法的侧重点不同将其分类,并针对典型... 木材作为天然生物材料很容易受到内外界影响从而产生不符合人们生产需求的缺陷,人们为了准确高效的识别木材缺陷进行了大量的研究。本文对近年来基于深度学习的木材缺陷检测技术进行梳理,根据使用方法的侧重点不同将其分类,并针对典型方法加以细分归类和对比分析,总结了每种方法的优缺点及其应用面。此外,提出了基于深度学习的木材缺陷检测技术目前所存在的难点与所陷困境。 展开更多

关键词 木材缺陷 单阶段目标检测 双阶段目标检测 神经网络 深度学习

在线阅读 下载PDF 职称材料

基于改进YOLOX的钢材表面缺陷检测研究 被引量：10

18

作者 刘毅 蒋三新 《现代电子技术》 北大核心 2024年第9期131-138,共8页

针对目前单阶段目标检测网络YOLOX的特征提取能力不足、特征融合不充分以及钢材表面缺陷检测精度不高等问题,提出一种改进YOLOX的钢材表面缺陷检测算法。首先,在Backbone部分引入改进的SE注意力机制,增添一条最大池化层分支,进行权重融... 针对目前单阶段目标检测网络YOLOX的特征提取能力不足、特征融合不充分以及钢材表面缺陷检测精度不高等问题,提出一种改进YOLOX的钢材表面缺陷检测算法。首先,在Backbone部分引入改进的SE注意力机制,增添一条最大池化层分支,进行权重融合,强化重要的特征通道;其次,在Neck部分引入ASFF模块,充分利用不同尺度的特征,更好地进行特征融合;最后,针对数据集所呈现的特点,将IOU损失函数替换为EIOU损失函数,改善模型定位不准确的问题,提高缺陷检测精度。实验结果表明,改进的YOLOX算法具有良好的检测效果,在NEU⁃DET数据集上的mAP达到了75.66%,相比原始YOLOX算法提高了3.74%,较YOLOv6提升了2.76%,检测精度优于其他主流算法。 展开更多

关键词 YOLOX 单阶段目标检测网络 SE注意力机制 ASFF模块 表面缺陷检测 EIOU损失函数

在线阅读 下载PDF 职称材料

基于深度卷积神经网络的目标检测算法进展 被引量：30

19

作者 张索非 冯烨 吴晓富 《南京邮电大学学报（自然科学版）》 北大核心 2019年第5期72-80,共9页

目标检测是计算视觉领域一个重要的研究方向,主要解决了图像中各种目标的分类和定位等视觉基本问题。由于近年来深度学习特别是深度卷积神经网络研究的兴起,各类基于神经网络的目标检测算法不断地刷新标准检测数据集的最好性能成绩。文... 目标检测是计算视觉领域一个重要的研究方向,主要解决了图像中各种目标的分类和定位等视觉基本问题。由于近年来深度学习特别是深度卷积神经网络研究的兴起,各类基于神经网络的目标检测算法不断地刷新标准检测数据集的最好性能成绩。文中主要分析比较了几种目前主流的基于卷积神经网络的目标检测算法,包括各种两阶段检测器(RCNN,Fast RCNN,Faster RCNN,Mask RCNN,TridentNet)以及单阶段检测器(YOLO,SSD,CornerNet,ExtremeNet)。文中首先介绍了评价目标检测算法常用的数据集以及对应的性能评价指标,然后对上述检测算法的具体实现方式逐一进行分析。最终,在几个检测数据集上我们对不同算法进行实验复现并综合比较了其性能。实验结果表明,主流的检测算法在速度以及性能方面各有侧重点,需要根据实际场景进行选择和权衡。 展开更多

关键词 目标检测 卷积神经网络 两阶段检测器 单阶段检测器

在线阅读 下载PDF 职称材料

基于深度学习的目标检测综述 被引量：29

20

作者 卢健 何金鑫 +1 位作者 李哲 周嫣然 《电光与控制》 CSCD 北大核心 2020年第5期56-63,共8页

基于深度学习技术的目标检测是通过人工神经网络提取和学习目标多层次特征,并送入分类器中预测目标的类别与位置。根据模型训练方式可分为单阶段检测算法和二阶段检测算法两种类型。对各阶段类型代表性算法进行了详细的介绍,并在PASCAL ... 基于深度学习技术的目标检测是通过人工神经网络提取和学习目标多层次特征,并送入分类器中预测目标的类别与位置。根据模型训练方式可分为单阶段检测算法和二阶段检测算法两种类型。对各阶段类型代表性算法进行了详细的介绍,并在PASCAL VOC数据集上进行了比较和分析。最后,对发展趋势进行了展望。 展开更多

关键词 目标检测 深度学习 单阶段检测 二阶段检测

在线阅读 下载PDF 职称材料