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
基于YOLOv3-Tiny-D算法的偏光片缺陷检测
被引量：
14
1
作者
李春霖
谢刚
+2 位作者
王银
谢新林
刘瑞珍
《计算机集成制造系统》
EI
CSCD
北大核心
2022年第3期787-797,共11页
随着偏光片的应用日益广泛,对于其生产质量的要求也愈加严苛。采用深度学习的目标检测算法对偏光片的三类瑕疵缺陷进行检测,以解决传统方法检测精度低、硬件成本高的问题,从而优化生产工艺。基于YOLOv3-Tiny算法,采用Dense Block模块与S...
随着偏光片的应用日益广泛,对于其生产质量的要求也愈加严苛。采用深度学习的目标检测算法对偏光片的三类瑕疵缺陷进行检测,以解决传统方法检测精度低、硬件成本高的问题,从而优化生产工艺。基于YOLOv3-Tiny算法,采用Dense Block模块与SPP-Net模块对其特征提取网络进行优化,并与待检测目标的实际情况相结合调整优化网络的检测模块,提出一种改进后的算法YOLOv3-Tiny-D。实验表明,所提方法在偏光片数据集上测试时,单张图片在保证检测速度的同时(18ms/张),脏污、划痕、标记3类缺陷的检测正确率为90.74%、98.90%、97.52%,平均正确率95.72%,较原算法提高7%。
展开更多
关键词
偏光片
缺陷检测
SPP-Net
模块
Dense
block模块
YOLOv3-Tiny-D算法
在线阅读
下载PDF
职称材料
基于多尺度特征融合网络的云和云阴影检测试验
被引量：
2
2
作者
杨昌军
张秀再
+2 位作者
张晨
冯绚
刘瑞霞
《大气科学》
CSCD
北大核心
2021年第6期1187-1195,共9页
基于深度学习的高分辨率光学影像云检测过程中,云和云阴影及其边缘细节丢失较为严重,主要原因在于不同尺度空间语义信息特征融合存在不足。针对该问题,本文构建一种基于深度学习的多尺度特征融合网络(Multi-scale Feature Fusion Networ...
基于深度学习的高分辨率光学影像云检测过程中,云和云阴影及其边缘细节丢失较为严重,主要原因在于不同尺度空间语义信息特征融合存在不足。针对该问题,本文构建一种基于深度学习的多尺度特征融合网络(Multi-scale Feature Fusion Network,MFFN)的云和云阴影检测方法,该算法结合防止网络退化的残差神经网络模块(Res.block)、扩大网络感受野的多尺度卷积模块(MCM)和提取并融合不同尺度信息的多尺度特征模块(MFM)。试验表明,本算法能提取丰富的空间信息与语义信息,可取得较为精细的云与云阴影掩模,具有较高检测精度,其中云检测准确率达0.9796,云阴影检测准确率达0.8307。同时,该工作可为深度学习技术应用于业务云检测提供理论支持及技术储备。
展开更多
关键词
云检测
云阴影检测
残差
模块
(Res.
block
)
多尺度卷积
多尺度特征
模块
在线阅读
下载PDF
职称材料
题名
基于YOLOv3-Tiny-D算法的偏光片缺陷检测
被引量：
14
1
作者
李春霖
谢刚
王银
谢新林
刘瑞珍
机构
太原科技大学电子信息工程学院
先进控制与装备智能化山西省重点实验室
平板显示智能制造装备关键技术工程研究中心
出处
《计算机集成制造系统》
EI
CSCD
北大核心
2022年第3期787-797,共11页
基金
山西省科技重大专项资助项目(20191102009)
山西省重点研发计划(国际合作)资助项目(201703D421010,201803D421039)
+1 种基金
山西省重点研发计划资助项目(201903D121130)
山西省基础研究计划资助项目(201901D111265,201901D211304)。
文摘
随着偏光片的应用日益广泛,对于其生产质量的要求也愈加严苛。采用深度学习的目标检测算法对偏光片的三类瑕疵缺陷进行检测,以解决传统方法检测精度低、硬件成本高的问题,从而优化生产工艺。基于YOLOv3-Tiny算法,采用Dense Block模块与SPP-Net模块对其特征提取网络进行优化,并与待检测目标的实际情况相结合调整优化网络的检测模块,提出一种改进后的算法YOLOv3-Tiny-D。实验表明,所提方法在偏光片数据集上测试时,单张图片在保证检测速度的同时(18ms/张),脏污、划痕、标记3类缺陷的检测正确率为90.74%、98.90%、97.52%,平均正确率95.72%,较原算法提高7%。
关键词
偏光片
缺陷检测
SPP-Net
模块
Dense
block模块
YOLOv3-Tiny-D算法
Keywords
polarizer
defect detection
SPP-Net module
Dense
block
module
YOLOv3-Tiny-D algorithm
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
基于多尺度特征融合网络的云和云阴影检测试验
被引量：
2
2
作者
杨昌军
张秀再
张晨
冯绚
刘瑞霞
机构
中国气象局国家卫星气象中心/中国遥感卫星辐射测量和定标重点开放实验室
南京信息工程大学江苏省大气环境与装备技术协同创新中心
南京信息工程大学电子与信息工程学院
中国科学院空间应用工程与技术中心
出处
《大气科学》
CSCD
北大核心
2021年第6期1187-1195,共9页
基金
第二次青藏高原综合科学考察研究项目2019QZKK0105
国家自然科学青年基金项目11504176、61601230、41905033
+1 种基金
江苏省自然科学青年基金项目BK20141004
江苏省高校自然科学研究重大项目13KJA510001。
文摘
基于深度学习的高分辨率光学影像云检测过程中,云和云阴影及其边缘细节丢失较为严重,主要原因在于不同尺度空间语义信息特征融合存在不足。针对该问题,本文构建一种基于深度学习的多尺度特征融合网络(Multi-scale Feature Fusion Network,MFFN)的云和云阴影检测方法,该算法结合防止网络退化的残差神经网络模块(Res.block)、扩大网络感受野的多尺度卷积模块(MCM)和提取并融合不同尺度信息的多尺度特征模块(MFM)。试验表明,本算法能提取丰富的空间信息与语义信息,可取得较为精细的云与云阴影掩模,具有较高检测精度,其中云检测准确率达0.9796,云阴影检测准确率达0.8307。同时,该工作可为深度学习技术应用于业务云检测提供理论支持及技术储备。
关键词
云检测
云阴影检测
残差
模块
(Res.
block
)
多尺度卷积
多尺度特征
模块
Keywords
Cloud detection
Cloud shadow detection
Res.
block
(Residual
block
)
Multi-scale convolution
Multi-scale feature module
分类号
P751 [交通运输工程—港口、海岸及近海工程]
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YOLOv3-Tiny-D算法的偏光片缺陷检测
李春霖
谢刚
王银
谢新林
刘瑞珍
《计算机集成制造系统》
EI
CSCD
北大核心
2022
14
在线阅读
下载PDF
职称材料
2
基于多尺度特征融合网络的云和云阴影检测试验
杨昌军
张秀再
张晨
冯绚
刘瑞霞
《大气科学》
CSCD
北大核心
2021
2
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
