基于Faster R-CNN的榆紫叶甲虫识别方法研究 被引量：6

1

作者 董本志 聂丽郦 +1 位作者 景维鹏 崔航 《计算机工程与应用》 CSCD 北大核心 2018年第23期89-93,108,共6页

针对传统图像识别方法中利用人工设计特征提取模板对昆虫的识别精度不高的问题,提出了基于K-means聚类的深度学习网络模型Faster R-CNN对图像中的目标进行识别。该方法用K-means聚类算法,结合BWP指标对训练数据标签的长宽比值进行聚类,... 针对传统图像识别方法中利用人工设计特征提取模板对昆虫的识别精度不高的问题,提出了基于K-means聚类的深度学习网络模型Faster R-CNN对图像中的目标进行识别。该方法用K-means聚类算法,结合BWP指标对训练数据标签的长宽比值进行聚类,用新的聚类中心点代替标准Faster R-CNN网络中生成初始候选框的长宽比值;对生成初始候选框的尺寸加以改进;将训练数据送入改进后的Faster R-CNN网络进行训练。实验结果表明,在识别具有特定长宽比例的目标时,加入聚类策略的Faster R-CNN网络较标准Faster R-CNN网络有较强的鲁棒性,有效克服了叶片豁口或孔洞造成的冗余现象、榆紫叶甲虫甲壳反光的干扰、相邻的榆紫叶甲虫特征的互相影响和其他与榆紫叶甲虫有相似特征的种类昆虫的干扰。最终达到94.73%的识别精度,较标准网络提高了4.15%。该方法可有效克服传统昆虫检测中特征提取模板的局限性,对识别昆虫这种特征细腻,姿态多样的目标有重要意义。 展开更多

关键词 榆紫叶甲虫 昆虫识别 卷积神经网络 fasterr-cnn 初始候选框调整 K-MEANS聚类算法

在线阅读 下载PDF 职称材料

基于Faster R-CNN的零件表面缺陷检测算法 被引量：52

2

作者 黄凤荣 李杨 +2 位作者 郭兰申 钱法 朱雨晨 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2020年第6期883-893,共11页

针对人工和传统自动化算法检测发动机零件表面缺陷中准确率和效率低下,无法满足智能制造需求问题,提出了一种基于深度学习的检测算法.以Faster R-CNN深度学习算法为算法框架,引入聚类理论来确定anchor方案,通过对比k-meansII和CURE聚类... 针对人工和传统自动化算法检测发动机零件表面缺陷中准确率和效率低下,无法满足智能制造需求问题,提出了一种基于深度学习的检测算法.以Faster R-CNN深度学习算法为算法框架,引入聚类理论来确定anchor方案,通过对比k-meansII和CURE聚类算法生成anchor对检测结果的影响,提出了基于聚类生成anchor方案的Faster R-CNN的零件表面缺陷检测算法,并引入多级ROI池化层结构,减少ROI池化过程中取整带来的偏差,实现高效并准确检测零件表面缺陷的目的.通过设计缺陷图像数据采集方案,建立了3种缺陷零件数据集,并验证了算法的性能.实验结果表明,该算法将缺陷检测的均值平均精度mAP从原算法的54.7%提高到97.9%,检测速度最快达到4.9 fps,能够满足智能制造的生产需求. 展开更多

关键词 表面缺陷检测 卷积神经网络 深度学习 快速区域卷积神经网络 聚类算法

在线阅读 下载PDF 职称材料

基于改进的三向流Faster R-CNN的篡改图像识别 被引量：4

3

作者 徐代 岳璋 +1 位作者 杨文霞 任潇 《计算机应用》 CSCD 北大核心 2020年第5期1315-1321,共7页

为了进一步提高对拼接、缩放旋转、复制粘贴三种主要篡改手段的识别准确率,增强算法普适性,提出了一个基于三向流特征提取的卷积神经网络篡改图像识别系统。首先,分别根据图像局部彩色不变量特性比较特征子块相似度,根据噪声相关性比较... 为了进一步提高对拼接、缩放旋转、复制粘贴三种主要篡改手段的识别准确率,增强算法普适性,提出了一个基于三向流特征提取的卷积神经网络篡改图像识别系统。首先,分别根据图像局部彩色不变量特性比较特征子块相似度,根据噪声相关性比较篡改区域边缘的噪声相关系数,以及根据图像重采样痕迹计算子块标准偏差对比度,完成了对图像RGB流、噪声流和信号流的特征提取;然后,通过多线性池化,结合改进的分段AdaGrad梯度算法,实现了特征降维和参数自适应更新;最后,通过网络训练和分类,完成了对拼接、缩放旋转、复制粘贴这三种主要的图像篡改手段的识别与相应的篡改区域的定位。为衡量所提模型的效果,在VOC2007和CIFAR-10两个数据集上进行了实验。在约9000张图像上的实验结果表明,该模型对拼接、缩放旋转、复制粘贴这三种篡改手段均能进行较准确的识别与定位,识别率分别为0.962、0.956和0.935。与对照文献的双向流特征提取方法相比,该模型的识别率分别提高了1.050%、2.137%、2.860%。三向流特征提取模型丰富了卷积神经网络对图像的特征信息采集,提高了网络的学习性能与识别精度,同时改进的梯度算法通过分段控制参数学习率的下降速度,降低了过拟合,减少了收敛震荡,提高了收降速度,实现了算法的优化设计。 展开更多

关键词 深度学习 篡改图像识别 faster r-cnn 三向流特征提取 梯度算法

在线阅读 下载PDF 职称材料

融合引导锚框算法的Faster-RCNN缺陷检测 被引量：3

4

作者 郭兰申 李杨 +1 位作者 黄凤荣 钱法 《机械设计与制造》 北大核心 2022年第4期160-164,共5页

针对传统零件表面缺陷检测方法准确性差效率低,无法满足智能制造需求的问题,提出基于Faster-RCNN深度学习算法的缺陷检测方法。在Faster-RCNN基本算法的基础上,引入引导锚框算法生成anchor方案,解决算法中anchor方案对本次检测的缺陷目... 针对传统零件表面缺陷检测方法准确性差效率低,无法满足智能制造需求的问题,提出基于Faster-RCNN深度学习算法的缺陷检测方法。在Faster-RCNN基本算法的基础上,引入引导锚框算法生成anchor方案,解决算法中anchor方案对本次检测的缺陷目标缺乏针对性、产生大量的冗余区域建议窗口的问题,以提高检测的准确性和效率;通过对比非极大值抑制中不同的IOU阈值对检测结果的影响,确定最优的IOU阈值,并设计零件缺陷样本采集方案,建立三种零件缺陷数据集,在此基础上对方法的有效性进行试验验证。实验结果表明,该方法能够大幅度提高零件表面缺陷检测的准确性和效率,各缺陷检测结果的平均精度可达97.7%以上,平均检测速度达到4.3 fps,满足了智能制造的急迫需求。 展开更多

关键词 表面缺陷检测 卷积神经网络 深度学习 faster-RCNN算法 引导锚框算法

在线阅读 下载PDF 职称材料

基于双特征融合的改进R-CNN电力小金具缺陷检测方法研究 被引量：18

5

作者 叶飞 骆星智 +3 位作者 宋永春 丁国成 杨孝志 谭守标 《电子测量与仪器学报》 CSCD 北大核心 2023年第7期213-220,共8页

电力金具作为输电线路中的不可缺少的关键部件,对电力稳定传输提供了保障,一旦电力金具出现缺陷,就会带来巨大的隐患,造成输电设施的损坏甚至大面积停电事故,影响人们的生产和生活。传统的输电线路检修主要依靠人工现场进行巡检,不仅危... 电力金具作为输电线路中的不可缺少的关键部件,对电力稳定传输提供了保障,一旦电力金具出现缺陷,就会带来巨大的隐患,造成输电设施的损坏甚至大面积停电事故,影响人们的生产和生活。传统的输电线路检修主要依靠人工现场进行巡检,不仅危险程度高,辨识难度也比较大。人工智能识别技术的不断进步,为电力金具的缺陷识别提供了更好的方法。目前Faster-RCNN算法的目标识别准确率高,但对于螺钉等小金具目标物体的识别率相对较低。本文首先通过双特征融合算子提取特征并进行标记后,输入引进混合注意力机制改进的Faster R-CNN模型中,进行特征再提取,融合重合度较高的特征,并进行缺陷的分类和识别,能够对电力小金具中的螺钉进行高效的辨识。实验结果表明,本文双特征融合的改进Faster R-CNN模型相较于传统的Faster R-CNN模型和YOLO模型的提升效果明显,模型的平均准确率提升了5%,平均精度提升了11%,在保障算法实时性的同时对螺钉等电力小金具具有较好的检测效果。 展开更多

关键词 电力小金具缺陷识别 深度学习算法 卷积神经网络 faster r-cnn 特征提取 目标检测

在线阅读 下载PDF 职称材料

基于改进YOLOv8的风电叶片表面损伤检测与识别方法 被引量：10

6

作者 吴博阳 毛胜轲 +3 位作者 林特宇 任浩杰 蔡海洋 李扬 《机电工程》 CAS 北大核心 2024年第7期1260-1268,共9页

针对风电叶片极易出现损伤和故障,且制造和维护成本高昂等问题,提出了一种基于改进YOLOv8模型的风电叶片表面损伤检测与识别方法。首先,将现场拍摄到的高清叶片图像作为实验数据集,并将其按比例随机划分为训练集、验证集和测试集;然后,... 针对风电叶片极易出现损伤和故障,且制造和维护成本高昂等问题,提出了一种基于改进YOLOv8模型的风电叶片表面损伤检测与识别方法。首先,将现场拍摄到的高清叶片图像作为实验数据集,并将其按比例随机划分为训练集、验证集和测试集;然后,在YOLOv8模型中引入了动态数据增强算法Mosaic、Mixup及离线数据增强算法Albumentations,对训练数据集进行了扩充,解决了模型在有限数据集下的泛化性问题;最后,使用卷积注意力模块(CBAM)和梯度协调机制(GHM)/Focal loss算法等手段加强了模型的损伤检测能力,改进了样本分布不均衡问题,建立了一种先进的风电叶片表面损伤检测与识别方法,提升了YOLOv8模型对叶片损伤的检测精度。研究结果表明:改进后的YOLOv8模型在计算量和参数量都较低的情况下,其平均精度(AP)、平均召回率(AR)都超越了同等配置下的快速区域卷积神经网络(Faster R-CNN)模型。改进后的YOLOv8模型在交并比(IoU)阈值为0.5时的AP和AR分别达到了73.2%和58.8%,验证了该方法在风电叶片损伤检测方面具有一定的可靠性和有效性。 展开更多

关键词 风电叶片损伤识别 YOLOv8 目标检测 数据增强算法 卷积注意力模块 梯度协调机制 平均精度 平均召回率 快速区域卷积神经网络 交并比

在线阅读 下载PDF 职称材料

基于CNN的相衬显微图像序列的癌细胞多目标跟踪 被引量：5

7

作者 胡海根 周莉莉 +2 位作者 周乾伟 陈胜勇 张俊康 《计算机科学》 CSCD 北大核心 2019年第5期279-285,共7页

检测与跟踪相衬显微图像序列下的癌细胞对于分析癌细胞的生命周期以及开发抗癌新药具有非常重要的意义。传统的目标跟踪方法大多应用于刚性目标跟踪或单目标跟踪,而癌细胞是非刚性且不断裂变的多目标,这就大大增加了跟踪的难度。文中以... 检测与跟踪相衬显微图像序列下的癌细胞对于分析癌细胞的生命周期以及开发抗癌新药具有非常重要的意义。传统的目标跟踪方法大多应用于刚性目标跟踪或单目标跟踪,而癌细胞是非刚性且不断裂变的多目标,这就大大增加了跟踪的难度。文中以相衬显微图像序列中的膀胱癌细胞为研究对象,提出一种基于卷积神经网络(Convolutional Neural Network,CNN)的癌细胞多目标跟踪方法。该算法采用基于检测的多目标跟踪方法,首先利用深度学习检测框架Faster R-CNN卷积神经网络实现癌细胞的检测,初步获得待跟踪的癌细胞;再利用扫描圆算法(Circle Scanning Algorithm,CSA)实现黏连细胞的检测优化,进一步提高黏连区域的细胞检测精度;最后提取综合特征描述子,对卷积特征、尺寸特征和位置特征进行加权求和,实现跟踪目标的综合描述,从而实现不同帧癌细胞间的高效关联匹配,最终实现癌细胞的多目标跟踪。一系列实验结果表明,相较于传统方法,所提方法不仅在癌细胞的检测和跟踪上性能有较大的提升,而且可以有效处理目标的遮挡问题。 展开更多

关键词 卷积神经网络 细胞检测 faster r-cnn 扫描圆算法 多目标跟踪

在线阅读 下载PDF 职称材料

基于改进深度置信网络的木板表面缺陷检测模型 被引量：4

8

作者 李馥颖 杨大为 黄海 《南京理工大学学报》 CAS CSCD 北大核心 2022年第6期728-734,共7页

为了提高木板表面缺陷检测精度,采用连续型深度置信网络(DBN)建立木板表面缺陷检测模型。首先,对待检测的木板图片进行关键特征提取,并建立DBN检测模型。然后,将木板图片特征输入DBN的多个受限玻尔兹曼机(RBM)层进行深度训练,从而利用DB... 为了提高木板表面缺陷检测精度,采用连续型深度置信网络(DBN)建立木板表面缺陷检测模型。首先,对待检测的木板图片进行关键特征提取,并建立DBN检测模型。然后,将木板图片特征输入DBN的多个受限玻尔兹曼机(RBM)层进行深度训练,从而利用DBN的深度优势来获得木板表面缺陷检测结果。最后,引入人工蜂群(ABC)算法对DBN的权重参数进行优化从而缩短训练时间。实例测试实验结果表明:选择学习速率为0.075时,ABC-DBN算法在划痕、刮痕、裂缝、崩缺4类样本集中的均方根误差(RMSE)均值性能更优。采用卷积神经网络(CNN)、快速区域卷积神经网络(Faster R-CNN)、自适应增强卷积神经网络(AdaBoost-CNN)和ABC-DBN算法分别进行检测准确率对比实验。结果显示,ABC-DBN算法检测准确率RMSE为5.067×10^(-2),是最优结果,Adaboost-CNN算法次之,CNN算法最差。 展开更多

关键词 深度置信网络 木板表面 缺陷检测 受限玻尔兹曼机 人工蜂群算法 卷积神经网络 快速区域卷积神经网络 自适应增强卷积神经网络

在线阅读 下载PDF 职称材料

基于深度卷积神经网络的糖尿病视网膜病变分期及病灶检测 被引量：13

9

作者 谢云霞 黄海于 胡建斌 《计算机应用》 CSCD 北大核心 2020年第8期2460-2464,共5页

针对糖尿病视网膜病变(DR)图像分辨率过大、病灶特征过于分散难以获取以及正负难易样本不平衡而导致DR分期精确率一直无法得到有效提高的问题,提出了改进的基于快速区域的卷积神经网络(Faster R-CNN)和子图分割相结合的DR分期方法。首先... 针对糖尿病视网膜病变(DR)图像分辨率过大、病灶特征过于分散难以获取以及正负难易样本不平衡而导致DR分期精确率一直无法得到有效提高的问题,提出了改进的基于快速区域的卷积神经网络(Faster R-CNN)和子图分割相结合的DR分期方法。首先,使用子图分割解决视盘区域对于病灶识别的干扰问题;其次,在特征提取阶段使用深度残差网络以解决病灶在高分辨率眼底图像中占比小而导致的特征难以获取的问题;最后,在感兴趣区域(ROI)生成时采用在线困难样本挖掘(OHEM)方法解决正负难易样本不平衡的问题。在国际公开数据集EyePACS进行DR分期实验,所提方法在DR病分期中精确率0期达到94.83%,1期达到86.84%,2期达到94.00%,3期达到87.21%,4期达到82.96%。实验结果表明,改进后的Faster R-CNN能对DR图像高效分期并自动标注出病灶。 展开更多

关键词 糖尿病视网膜病变 目标检测 基于快速区域的卷积神经网络算法 子图分割 在线困难样本挖掘

在线阅读 下载PDF 职称材料

基于迁移学习的航拍图像车辆目标检测方法研究 被引量：6

10

作者 袁功霖 尹奎英 李绮雪 《电子测量技术》 2018年第22期77-81,共5页

为有效识别航拍图片中的车辆目标,将迁移学习应用到Faster-RCNN算法模型训练中:将大规模数据集训练好的网络用于模型参数初始化,以减少训练时间并提高识别精度;针对ZF和VGG-16 2种经典网络模型,分别选取不同超参数进行了多组对比实验,... 为有效识别航拍图片中的车辆目标,将迁移学习应用到Faster-RCNN算法模型训练中:将大规模数据集训练好的网络用于模型参数初始化,以减少训练时间并提高识别精度;针对ZF和VGG-16 2种经典网络模型,分别选取不同超参数进行了多组对比实验,以选取最优超参数,并对比分析2种模型的检测效果。实验结果表明,该种方法可以在航拍图片集中有效检测到车辆目标,检测结果优于传统的机器学习方法,同时具有识别速度快的特点,可用于实时检测,在军事侦察及交通管控等方面具有应用价值。 展开更多

关键词 车辆检测 深度学习 卷积神经网络 faster-RCNN算法 迁移学习 ZF模型 VGG-16模型

在线阅读 下载PDF 职称材料

基于改进快速区域卷积网络的目标检测轻量化算法 被引量：5

11

作者 马月红 孔梦瑶 《兵工学报》 EI CAS CSCD 北大核心 2021年第12期2664-2674,共11页

基于深度学习的目标检测算法已成为合成孔径雷达(SAR)图像目标检测任务的主流。深层网络通常具有大量参数,运行速度不能满足实时要求,难以在资源受限的设备(如移动端)上部署。考虑到对模型实时性和可移植性的要求,对双阶段目标检测算法... 基于深度学习的目标检测算法已成为合成孔径雷达(SAR)图像目标检测任务的主流。深层网络通常具有大量参数,运行速度不能满足实时要求,难以在资源受限的设备(如移动端)上部署。考虑到对模型实时性和可移植性的要求,对双阶段目标检测算法快速区域卷积神经网络进行轻量化改进,比较不同改进方法对算法速度与精度的影响。结合SAR图像的特点,优化轻量化模型,与单阶段目标检测算法的单脉冲多盒检测网络对比。仿真实验结果表明,改进轻量化模型在保持原有精度水平下,模型占用内存和算法运算量大大减少,可有效满足SAR图像目标检测的实时性要求。 展开更多

关键词 目标检测 快速卷积神经网络 合成孔径雷达 轻量化算法 实时性

在线阅读 下载PDF 职称材料

铁路客运站客流监测系统设计及关键技术研究 被引量：6

12

作者 张秋亮 杨栋 王建超 《铁道运输与经济》 北大核心 2022年第7期56-63,共8页

客流分布对铁路客运站的生产指挥意义重大,提出一种客运站客流监测系统,并对旅客目标检测技术、拥挤度评价方法进行研究。分析客运站客流监测的现状和需求,设计客运站客流监测系统的技术架构、网络架构和主要功能;阐述Faster-RCNN算法原... 客流分布对铁路客运站的生产指挥意义重大,提出一种客运站客流监测系统,并对旅客目标检测技术、拥挤度评价方法进行研究。分析客运站客流监测的现状和需求,设计客运站客流监测系统的技术架构、网络架构和主要功能;阐述Faster-RCNN算法原理,基于Faster-RCNN算法设计车站旅客人数检测模型,并采集车站现场数据制作数据集用于模型训练,制作行人数据集、人头数据集、头肩数据集,分析比较3种数据集训练的模型检测效果。实验结果表明:人头数据集和头肩数据集训练的模型检测准确率较高,对排队人数统计的准确率分别为95.5%和95.2%,满足现场运用需求。在分析客流密度和排队长度检测的基础上,对局部拥挤度指标和整体拥挤度指标进行量化分析,给出了车站拥挤度的评价方法。 展开更多

关键词 铁路 客流密度 排队长度 faster-RCNN算法 卷积神经网络 目标检测

在线阅读 下载PDF 职称材料

自然场景盲文图像数据集及盲文段检测方法

13

作者 卢利琼 陈长江 +1 位作者 吴东 熊建芳 《计算机工程》 CAS CSCD 北大核心 2023年第10期171-177,共7页

盲文检测是利用人工智能技术自动检测出图像中的盲文位置,是盲文书籍电子化、盲文自动阅卷以及加强正常人与盲人无障碍交流的关键技术。然而现有盲文检测研究领域缺乏自然场景盲文图像数据集和盲文段检测方法。为此,利用手机拍摄、网络... 盲文检测是利用人工智能技术自动检测出图像中的盲文位置,是盲文书籍电子化、盲文自动阅卷以及加强正常人与盲人无障碍交流的关键技术。然而现有盲文检测研究领域缺乏自然场景盲文图像数据集和盲文段检测方法。为此,利用手机拍摄、网络下载等手段构建包含554幅图像的自然场景盲文图像数据集,并对数据集中每一幅图像的盲文段位置进行手动标记。从亮度、对比度和柔和度变化的角度设计图像增强策略来扩充自然场景盲文图像数据集,以辅助卷积神经网络(CNN)训练。在此基础上,分析自然场景盲文段在书写形式和结构上的特点,基于Faster R-CNN算法的思想,提出一种自然场景盲文段检测方法。以ResNet50作为主干网络,通过设计多尺寸CNN特征融合策略挖掘不同尺寸盲文段的特征,设计从32到512的多种锚框参数,以适应自然场景图像中盲文段高度变化小而宽度变化大以及存在较多小尺寸盲文段的特点。实验结果表明,与经典目标检测算法Faster R-CNN和SSD相比,该方法 Hmean值分别从0.793 5和0.800 1提升至0.887 9,检测性能提升明显。 展开更多

关键词 自然场景图像 盲文段检测 卷积神经网络 faster r-cnn算法 SSD算法

在线阅读 下载PDF 职称材料