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
1
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
基于视觉显著性的印刷辊筒表面缺陷分类方法研究
1
作者
包晨阳
曹少中
+1 位作者
朱卫军
黄爽
《印刷与数字媒体技术研究》
CAS
北大核心
2023年第3期125-133,共9页
针对印刷辊筒表面缺陷分类精度不高、效率低等问题,本研究提出基于视觉显著性的印刷辊筒表面缺陷分类方法。通过视觉显著性算法与深层信息融合算法抑制背景纹理中的高频分量,采用多组卷积并联结构充分提取图像特征信息,以加强网络的多...
针对印刷辊筒表面缺陷分类精度不高、效率低等问题,本研究提出基于视觉显著性的印刷辊筒表面缺陷分类方法。通过视觉显著性算法与深层信息融合算法抑制背景纹理中的高频分量,采用多组卷积并联结构充分提取图像特征信息,以加强网络的多尺度表达能力并提升分类性能,通过激活函数PReLU保留推理过程中的负值信息,提升网络的非线性表达能力。实验结果表明,该方法可有效区分印刷辊筒表面缺陷,准确率可达98.50%,基本满足印刷工业的生产要求。
展开更多
关键词
深度学习
视觉显著性
辊筒表面缺陷分类
多尺度特征
在线阅读
下载PDF
职称材料
题名
基于视觉显著性的印刷辊筒表面缺陷分类方法研究
1
作者
包晨阳
曹少中
朱卫军
黄爽
机构
北京印刷学院信息工程学院
出处
《印刷与数字媒体技术研究》
CAS
北大核心
2023年第3期125-133,共9页
基金
北京市自然基金委和北京市教委联合项目——基于机器视觉的印刷辊筒表面缺陷智能识别系统研究(No.KZ202010015021)。
文摘
针对印刷辊筒表面缺陷分类精度不高、效率低等问题,本研究提出基于视觉显著性的印刷辊筒表面缺陷分类方法。通过视觉显著性算法与深层信息融合算法抑制背景纹理中的高频分量,采用多组卷积并联结构充分提取图像特征信息,以加强网络的多尺度表达能力并提升分类性能,通过激活函数PReLU保留推理过程中的负值信息,提升网络的非线性表达能力。实验结果表明,该方法可有效区分印刷辊筒表面缺陷,准确率可达98.50%,基本满足印刷工业的生产要求。
关键词
深度学习
视觉显著性
辊筒表面缺陷分类
多尺度特征
Keywords
Deep learning
Visual saliency
Classification surface defects of roller
Multi-scale features
分类号
TP391 [自动化与计算机技术—计算机应用技术]
TS8 [轻工技术与工程]
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
基于视觉显著性的印刷辊筒表面缺陷分类方法研究
包晨阳
曹少中
朱卫军
黄爽
《印刷与数字媒体技术研究》
CAS
北大核心
2023
0
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
