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
3
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
复杂环境下的冰箱金属表面缺陷检测
被引量：
14
1
作者
袁野
谭晓阳
《计算机应用》
CSCD
北大核心
2021年第1期270-274,共5页
为了提升冰箱金属表面的缺陷检测效率,从而应对复杂的生产情况,提出了Metal-YOLOv3模型。使用随机参数变换,将缺陷数据进行了数百倍的扩充,改变原有YOLOv3模型的损失函数,引入了基于完整交并比(CIoU)所设计的CIoU损失函数,用缺陷的分布...
为了提升冰箱金属表面的缺陷检测效率,从而应对复杂的生产情况,提出了Metal-YOLOv3模型。使用随机参数变换,将缺陷数据进行了数百倍的扩充,改变原有YOLOv3模型的损失函数,引入了基于完整交并比(CIoU)所设计的CIoU损失函数,用缺陷的分布特性来降低非极大值抑制算法的阈值,并基于K均值聚类算法计算出更适合数据特点的先验框(anchors)值以提升检测精度。在一系列的实验后,发现Metal-YOLOv3模型在检测速度上远胜于主流的区域卷积神经网络(R-CNN)模型,每秒传输帧数(FPS)达到7.59,是Faster R-CNN的14倍,而且平均精确度(AP)也达到了88.96%,比Faster R-CNN高11.33个百分点,说明所提模型同时具备良好的鲁棒性与泛化性能。可见该方法具备有效性,能实际应用于金属制品的生产。
展开更多
关键词
金属表面
缺陷
冰箱
损失函数
YOLOv3
完整交并比
在线阅读
下载PDF
职称材料
基于改进YOLOX-s的轻量级型钢表面缺陷检测算法
被引量：
4
2
作者
黄啸
吴龙
+1 位作者
黎尧
吕宏泽
《计算机应用》
CSCD
北大核心
2023年第S02期201-208,共8页
单阶段目标检测网络特征融合性能不足,且型钢生产现场计算资源受限,导致型钢表面缺陷检测精度较低。针对上述问题,提出一种改进YOLOX-s的轻量级型钢表面缺陷检测算法。首先,提出一种轻量级双路并行注意力模块并将该模块引入YOLOX-s,以...
单阶段目标检测网络特征融合性能不足,且型钢生产现场计算资源受限,导致型钢表面缺陷检测精度较低。针对上述问题,提出一种改进YOLOX-s的轻量级型钢表面缺陷检测算法。首先,提出一种轻量级双路并行注意力模块并将该模块引入YOLOX-s,以提高网络对缺陷特征的敏感度和提升有效特征的提取效率;其次,在Neck中构建双向特征金字塔网络(BiFPN)加权特征融合路径,促进浅层细节特征与深层语义特征的交互融合,强化网络特征融合能力,并在网络中引入深度可分离卷积(DSC)对模型进行轻量化处理;最后,将模型的边界框回归损失函数替换为完全交并比(CIoU)损失,加快模型收敛,提升预测框的定位精度。在NEU-DET数据集上的实验结果表明,所提算法的平均精度均值(mAP)达到了74.6%,比原始YOLOX-s提升了4.8个百分点,推理帧率达到75.2 frame/s,能够满足实时性检测的需求;生产现场采集的型钢数据集进一步验证了所提算法的可行性。
展开更多
关键词
YOLOX-s
双向特征金字塔网络
并行注意力
完全交并比
损失
深度可分离卷积
型钢表面缺陷检测
在线阅读
下载PDF
职称材料
基于改进级联R-CNN的面料疵点检测方法
被引量：
5
3
作者
许胜宝
郑飂默
袁德成
《现代纺织技术》
北大核心
2022年第2期48-56,共9页
由于布匹疵点种类分布不均,部分疵点具有极端的宽高比,而且小目标较多,导致检测难度大,因此提出一种改进级联R-CNN的布匹疵点检测方法。针对小目标问题,在R-CNN部分采用在线难例挖掘,加强对小目标的训练;针对布匹疵点极端的长宽比,在特...
由于布匹疵点种类分布不均,部分疵点具有极端的宽高比,而且小目标较多,导致检测难度大,因此提出一种改进级联R-CNN的布匹疵点检测方法。针对小目标问题,在R-CNN部分采用在线难例挖掘,加强对小目标的训练;针对布匹疵点极端的长宽比,在特征提取网络中采用了可变形卷积v2来代替传统的正方形卷积,并结合布匹特征重新设计边界框比例。最后采用完全交并比损失作为边界框回归损失,获取更精确的目标边界框。结果表明:对比改进前的模型,改进后的模型预测边界框更加精确,对小目标的疵点检测效果更好,在准确率上提升了3.57%,平均精确度均值提升了6.45%,可以更好地满足面料疵点的检测需求。
展开更多
关键词
级联R-CNN
面料疵点
检测
可变形卷积v2
在线难例挖掘
完全交并比损失
在线阅读
下载PDF
职称材料
题名
复杂环境下的冰箱金属表面缺陷检测
被引量：
14
1
作者
袁野
谭晓阳
机构
南京航空航天大学计算机科学与技术学院
模式分析与机器智能工业和信息化部重点实验室(南京航空航天大学)
软件新技术与产业化协同创新中心
出处
《计算机应用》
CSCD
北大核心
2021年第1期270-274,共5页
基金
国家自然科学基金资助项目(61732006,61672280,61976115)
全军共用信息系统装备预研项目(315025305)。
文摘
为了提升冰箱金属表面的缺陷检测效率,从而应对复杂的生产情况,提出了Metal-YOLOv3模型。使用随机参数变换,将缺陷数据进行了数百倍的扩充,改变原有YOLOv3模型的损失函数,引入了基于完整交并比(CIoU)所设计的CIoU损失函数,用缺陷的分布特性来降低非极大值抑制算法的阈值,并基于K均值聚类算法计算出更适合数据特点的先验框(anchors)值以提升检测精度。在一系列的实验后,发现Metal-YOLOv3模型在检测速度上远胜于主流的区域卷积神经网络(R-CNN)模型,每秒传输帧数(FPS)达到7.59,是Faster R-CNN的14倍,而且平均精确度(AP)也达到了88.96%,比Faster R-CNN高11.33个百分点,说明所提模型同时具备良好的鲁棒性与泛化性能。可见该方法具备有效性,能实际应用于金属制品的生产。
关键词
金属表面
缺陷
冰箱
损失函数
YOLOv3
完整交并比
Keywords
metal surface
defect
refrigerator
loss
function
YOLOv3(You Only Look Once version 3)
complete
intersection
-
over
-
union
(CIoU)
分类号
TP391.4 [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
基于改进YOLOX-s的轻量级型钢表面缺陷检测算法
被引量：
4
2
作者
黄啸
吴龙
黎尧
吕宏泽
机构
福建农林大学机电工程学院
三明学院机电工程学院
出处
《计算机应用》
CSCD
北大核心
2023年第S02期201-208,共8页
基金
福建省科技重大专项(2022HZ026025)
福建省2023年揭榜挂帅成果转化项目(2023T0101)
+1 种基金
福建省高校创新团队发展计划项目(IRTSTFJ)
中央引导地方科技发展专项(2022L3044,2021L3029)。
文摘
单阶段目标检测网络特征融合性能不足,且型钢生产现场计算资源受限,导致型钢表面缺陷检测精度较低。针对上述问题,提出一种改进YOLOX-s的轻量级型钢表面缺陷检测算法。首先,提出一种轻量级双路并行注意力模块并将该模块引入YOLOX-s,以提高网络对缺陷特征的敏感度和提升有效特征的提取效率;其次,在Neck中构建双向特征金字塔网络(BiFPN)加权特征融合路径,促进浅层细节特征与深层语义特征的交互融合,强化网络特征融合能力,并在网络中引入深度可分离卷积(DSC)对模型进行轻量化处理;最后,将模型的边界框回归损失函数替换为完全交并比(CIoU)损失,加快模型收敛,提升预测框的定位精度。在NEU-DET数据集上的实验结果表明,所提算法的平均精度均值(mAP)达到了74.6%,比原始YOLOX-s提升了4.8个百分点,推理帧率达到75.2 frame/s,能够满足实时性检测的需求;生产现场采集的型钢数据集进一步验证了所提算法的可行性。
关键词
YOLOX-s
双向特征金字塔网络
并行注意力
完全交并比
损失
深度可分离卷积
型钢表面缺陷检测
Keywords
YOLOX-s
Bi-directional Feature Pyramid Network(BiFPN)
parallel attention
complete
intersection
over
union
(
diou
)
loss
depthwise separable convolution
steel surface defect detection
分类号
TP391.4 [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
基于改进级联R-CNN的面料疵点检测方法
被引量：
5
3
作者
许胜宝
郑飂默
袁德成
机构
沈阳化工大学计算机科学与技术学院
沈阳化工大学信息工程学院
中国科学院沈阳计算技术研究所
沈阳中科数控技术股份有限公司
出处
《现代纺织技术》
北大核心
2022年第2期48-56,共9页
基金
国家重点研发计划“智能机器人专项”项目(2018YFB1308803)。
文摘
由于布匹疵点种类分布不均,部分疵点具有极端的宽高比,而且小目标较多,导致检测难度大,因此提出一种改进级联R-CNN的布匹疵点检测方法。针对小目标问题,在R-CNN部分采用在线难例挖掘,加强对小目标的训练;针对布匹疵点极端的长宽比,在特征提取网络中采用了可变形卷积v2来代替传统的正方形卷积,并结合布匹特征重新设计边界框比例。最后采用完全交并比损失作为边界框回归损失,获取更精确的目标边界框。结果表明:对比改进前的模型,改进后的模型预测边界框更加精确,对小目标的疵点检测效果更好,在准确率上提升了3.57%,平均精确度均值提升了6.45%,可以更好地满足面料疵点的检测需求。
关键词
级联R-CNN
面料疵点
检测
可变形卷积v2
在线难例挖掘
完全交并比损失
Keywords
cascade R-CNN
fabric defect
detection
deformable convolution v2
online difficult example mining
complete
intersection
over
union
loss
分类号
TS101.8 [轻工技术与工程—纺织工程]
TP391 [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
作者
出处
发文年
被引量
操作
1
复杂环境下的冰箱金属表面缺陷检测
袁野
谭晓阳
《计算机应用》
CSCD
北大核心
2021
14
在线阅读
下载PDF
职称材料
2
基于改进YOLOX-s的轻量级型钢表面缺陷检测算法
黄啸
吴龙
黎尧
吕宏泽
《计算机应用》
CSCD
北大核心
2023
4
在线阅读
下载PDF
职称材料
3
基于改进级联R-CNN的面料疵点检测方法
许胜宝
郑飂默
袁德成
《现代纺织技术》
北大核心
2022
5
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
