期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
重新思考工业微小缺陷检测中的掩模降采样和回归损失函数
1
作者
李刚
邵瑞
+3 位作者
李敏
万洪林
周鸣乐
韩德隆
《计算机辅助设计与图形学学报》
北大核心
2025年第1期176-184,共9页
针对PCB在生产过程中会出现短路、漏孔等缺陷,已有的损失函数和降采样算法存在定位不准确等导致缺陷检测收敛缓慢、检测结果不准确的问题,提出了一种基于掩模降采样和微小缺陷交并比损失的一阶段缺陷检测器.首先,提出基于面积损失的微...
针对PCB在生产过程中会出现短路、漏孔等缺陷,已有的损失函数和降采样算法存在定位不准确等导致缺陷检测收敛缓慢、检测结果不准确的问题,提出了一种基于掩模降采样和微小缺陷交并比损失的一阶段缺陷检测器.首先,提出基于面积损失的微小缺陷交并比损失函数,以进行更精确的微小缺陷回归定位;其次,提出基于动态掩模的降采样算法,以利于检测器在缩小参数矩阵尺寸过程中自动筛选重要特征、次要特征和噪声特征,提升缺陷检测器的特征提取能力.实验结果表明,提出的缺陷检测器在北京大学PCB缺陷数据集和Deep PCB数据集上可分别达到98.50%的mAP和99.02%的mAP,优于对比算法;提出的降采样算法使YOLOv5等检测器的mAP在北京大学PCB数据集中提升了1.6个百分点,提出的损失函数有利于YOLOv3和YOLOv4等检测器提升其在2个数据集上的检测准确率,展现出良好的鲁棒性.
展开更多
关键词
损失函数设计
降采样
缺陷检测
目标检测
在线阅读
下载PDF
职称材料
非对称卷积核YOLO V2网络的CT影像肺结节检测
被引量：
6
2
作者
李新征
金炜
+1 位作者
李纲
尹曹谦
《中国生物医学工程学报》
CAS
CSCD
北大核心
2019年第4期401-408,共8页
肺癌一直是严重威胁人类健康的疾病之一,肺结节作为早期肺癌的一个重要征象,在肺癌的早期诊断与治疗中具有重要的意义。传统的CT影像肺结节检测方法不仅步骤繁琐、处理速度慢,而且对于结节的检出率及定位精度都亟待提高。提出一种基于...
肺癌一直是严重威胁人类健康的疾病之一,肺结节作为早期肺癌的一个重要征象,在肺癌的早期诊断与治疗中具有重要的意义。传统的CT影像肺结节检测方法不仅步骤繁琐、处理速度慢,而且对于结节的检出率及定位精度都亟待提高。提出一种基于非对称卷积核YOLO V2网络的CT影像肺结节检测方法:首先将连续的CT序列叠加构造为伪彩色数据集,以增强病变和健康组织的差异;然后将含有非对称卷积核的inception V3模块引入到YOLO V2网络中,构造出一种适用于肺结节检测的深度网络,一方面利用YOLO V2网络在目标检测上的优势,另一方面通过inception V3模块在网络的宽度与深度上进行扩增,以提取更加丰富的特征;为进一步提高结节的定位精度,对损失函数的设计与计算方法也进行一定的改进。为验证所提检测模型的性能,从LIDC-IDRI数据集中选取1 010个病例的CT图像用于训练和测试,在大于3 mm的肺结节中,检测敏感度为94.25%,假阳性率为8.50%。实验表明,所提出的肺结节检测方法不仅可以简化肺部CT图像的处理过程,而且在结节检测率及定位精度方面均优于传统方法,可为肺结节检测提供一种新思路。
展开更多
关键词
深度学习
YOLO
V2
非对称卷积核
损失函数设计
肺结节
在线阅读
下载PDF
职称材料
题名
重新思考工业微小缺陷检测中的掩模降采样和回归损失函数
1
作者
李刚
邵瑞
李敏
万洪林
周鸣乐
韩德隆
机构
齐鲁工业大学(山东省科学院)山东省计算中心(国家超级计算济南中心)算力互联网与信息安全教育部重点实验室
山东省计算机网络重点实验室山东省基础科学研究中心(计算机科学)
山东师范大学物理与电子科学学院
出处
《计算机辅助设计与图形学学报》
北大核心
2025年第1期176-184,共9页
基金
山东省重点研发计划(重大科技创新工程)(2023CXGC010112)
泰山学者工程(tsqn202103097).
文摘
针对PCB在生产过程中会出现短路、漏孔等缺陷,已有的损失函数和降采样算法存在定位不准确等导致缺陷检测收敛缓慢、检测结果不准确的问题,提出了一种基于掩模降采样和微小缺陷交并比损失的一阶段缺陷检测器.首先,提出基于面积损失的微小缺陷交并比损失函数,以进行更精确的微小缺陷回归定位;其次,提出基于动态掩模的降采样算法,以利于检测器在缩小参数矩阵尺寸过程中自动筛选重要特征、次要特征和噪声特征,提升缺陷检测器的特征提取能力.实验结果表明,提出的缺陷检测器在北京大学PCB缺陷数据集和Deep PCB数据集上可分别达到98.50%的mAP和99.02%的mAP,优于对比算法;提出的降采样算法使YOLOv5等检测器的mAP在北京大学PCB数据集中提升了1.6个百分点,提出的损失函数有利于YOLOv3和YOLOv4等检测器提升其在2个数据集上的检测准确率,展现出良好的鲁棒性.
关键词
损失函数设计
降采样
缺陷检测
目标检测
Keywords
loss function design
down sampling
defect detection
object detection
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
非对称卷积核YOLO V2网络的CT影像肺结节检测
被引量：
6
2
作者
李新征
金炜
李纲
尹曹谦
机构
宁波大学信息科学与工程学院
出处
《中国生物医学工程学报》
CAS
CSCD
北大核心
2019年第4期401-408,共8页
基金
国家自然科学基金(61471212)
浙江省自然科学基金资助项目(LY16F010001)
文摘
肺癌一直是严重威胁人类健康的疾病之一,肺结节作为早期肺癌的一个重要征象,在肺癌的早期诊断与治疗中具有重要的意义。传统的CT影像肺结节检测方法不仅步骤繁琐、处理速度慢,而且对于结节的检出率及定位精度都亟待提高。提出一种基于非对称卷积核YOLO V2网络的CT影像肺结节检测方法:首先将连续的CT序列叠加构造为伪彩色数据集,以增强病变和健康组织的差异;然后将含有非对称卷积核的inception V3模块引入到YOLO V2网络中,构造出一种适用于肺结节检测的深度网络,一方面利用YOLO V2网络在目标检测上的优势,另一方面通过inception V3模块在网络的宽度与深度上进行扩增,以提取更加丰富的特征;为进一步提高结节的定位精度,对损失函数的设计与计算方法也进行一定的改进。为验证所提检测模型的性能,从LIDC-IDRI数据集中选取1 010个病例的CT图像用于训练和测试,在大于3 mm的肺结节中,检测敏感度为94.25%,假阳性率为8.50%。实验表明,所提出的肺结节检测方法不仅可以简化肺部CT图像的处理过程,而且在结节检测率及定位精度方面均优于传统方法,可为肺结节检测提供一种新思路。
关键词
深度学习
YOLO
V2
非对称卷积核
损失函数设计
肺结节
Keywords
deep learning
YOLO V2
asymmetric convolution kernel
design of loss function
lung nodule
分类号
R318 [医药卫生—生物医学工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
重新思考工业微小缺陷检测中的掩模降采样和回归损失函数
李刚
邵瑞
李敏
万洪林
周鸣乐
韩德隆
《计算机辅助设计与图形学学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
非对称卷积核YOLO V2网络的CT影像肺结节检测
李新征
金炜
李纲
尹曹谦
《中国生物医学工程学报》
CAS
CSCD
北大核心
2019
6
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
