期刊文献+
共找到14篇文章
< 1 >
每页显示 20 50 100
基于级联式Faster RCNN的三维目标最优抓取方法研究 被引量:24
1
作者 陈丹 林清泉 《仪器仪表学报》 EI CAS CSCD 北大核心 2019年第4期229-237,共9页
机器人在三维目标识别和最优抓取方面的难点在于复杂的背景环境以及目标物体形状不规则,且要求机器人像人一样在识别不同三维目标的同时要确定该目标的最佳抓取部位的位姿。提出一种基于级联式模型的深度学习方法来识别目标物体及其最... 机器人在三维目标识别和最优抓取方面的难点在于复杂的背景环境以及目标物体形状不规则,且要求机器人像人一样在识别不同三维目标的同时要确定该目标的最佳抓取部位的位姿。提出一种基于级联式模型的深度学习方法来识别目标物体及其最优抓取位姿。第1级提出了改进的Faster RCNN模型,该模型能识别成像小的目标物体,并能准确对其进行定位;第2级的Faster RCNN模型在前一级确定的目标物体上寻找该目标物体的最优抓取位姿,实现机器人的最优抓取。实验表明该方法能快速且准确地找到目标物体并确定其最优抓取位姿。 展开更多
关键词 深度学习 最优抓取 目标检测 faster rcnn模型
在线阅读 下载PDF
利用改进Faster-RCNN识别小麦条锈病和黄矮病 被引量:30
2
作者 毛锐 张宇晨 +4 位作者 王泽玺 高圣昌 祝涛 王美丽 胡小平 《农业工程学报》 EI CAS CSCD 北大核心 2022年第17期176-185,共10页
条锈病和黄矮病是严重威胁小麦生产的重大病害,病害的早期识别对病害防控具有重要意义。现有病害识别模型对相似表型症状识别困难,对早期病害的识别准确度低。为此,该研究构建了一种改进的快速区域卷积神经网络(Faster Regions with CNN... 条锈病和黄矮病是严重威胁小麦生产的重大病害,病害的早期识别对病害防控具有重要意义。现有病害识别模型对相似表型症状识别困难,对早期病害的识别准确度低。为此,该研究构建了一种改进的快速区域卷积神经网络(Faster Regions with CNN Features,Faster-RCNN)的病害识别方法。该方法采用卷积核拆解和下采样延迟策略优化了深度残差网络(Deep Residual Neural Network,ResNet-50),用优化后的ResNet-50作为主干特征提取网络以增强所提取特征的表达力,同时简化模型的参数;并采用ROI(Region of Interest)Align改进ROI迟化层以降低特征量化误差,提升识别的精度。在自建的涵盖200余种不同发病时期、不同抗感性的小麦叶部图像数据集上进行试验,结果表明:改进的Faster-RCNN识别方法比其他SSD(Single Shot Multi-Box Detector)、YOLO(You Only Look Once)和Faster-RCNN网络模型的平均精度均值(mean Average Precision,m AP)分别提升了9.26个百分点、7.64个百分点和14.97个百分点。对小麦条锈病、黄矮病、健康小麦和其他黄化症状小麦识别的平均精度均值可达98.74%;对小麦条锈病和黄矮病轻、重症识别的平均精度均值可达91.06%。同时,模型损失函数值降低更快,整体性能表现更优。进一步开发小麦病害智能识别系统部署研究模型,使用微信小程序进行田间小麦病害的识别。在最大并发100的条件下,小程序平均返回时延为5.02 s,识别返回成功率为97.85%,对两种小麦病害及其细分轻重症识别的平均准确率为93.56%,能够有效满足实际应用需求,可用于指导病害的科学防控。 展开更多
关键词 模型 病害识别 faster-rcnn ResNet 分组卷积 数据增强
在线阅读 下载PDF
基于Faster-RCNN的肺结节检测算法 被引量:12
3
作者 宋尚玲 杨阳 +1 位作者 李夏 冯浩 《中国生物医学工程学报》 CAS CSCD 北大核心 2020年第2期129-136,共8页
针对目前的肺结节检测中存在的个体差异、同病异影、同影异病的问题,提出一种大样本条件下的基于Faster-RCNN的肺结节检测算法,对比研究目前的深度学习模型的适应性,给出一种通用的随着样本数量增加肺结节检测率持续提升的策略。首先搭... 针对目前的肺结节检测中存在的个体差异、同病异影、同影异病的问题,提出一种大样本条件下的基于Faster-RCNN的肺结节检测算法,对比研究目前的深度学习模型的适应性,给出一种通用的随着样本数量增加肺结节检测率持续提升的策略。首先搭建深度学习的软硬件环境,设置影像数据接口与Faster-RCNN的网络接口匹配;然后搭建Faster-RCNN的单类分类网络,并对网络结构的参数进行调整优化;最后用包含2000例病人的肺结节数据集,通过不同的卷积神经网络模型(包括ZF和VGG),计算CT图像在各自模型中的特征。对测试结果进行分析评估,分别统计其漏检率、检测准确率,并探讨不同训练数量和数据增广类型对最终检测准确率的影响。最终ZF模型的检测准确率为90.82%,准确率的波动方差为13.30%;VGG模型的检测准确率为87.02%,准确率的波动方差为37.10%。ZF模型的波动方差小,检测精确度高,综合考虑,ZF模型对肺结节的检测效果优于VGG模型的检出效果。所提出的肺结节检测技术具有良好的理论价值和工程应用价值。 展开更多
关键词 faster-rcnn 肺结节检测 ZF模型 VGG模型 卷积神经网络
在线阅读 下载PDF
基于改进Faster RCNN的安全帽佩戴检测研究 被引量:74
4
作者 徐守坤 王雅如 +3 位作者 顾玉宛 李宁 庄丽华 石林 《计算机应用研究》 CSCD 北大核心 2020年第3期901-905,共5页
针对已有安全帽佩戴检测算法对部分遮挡、尺寸不一和小目标存在检测难度大、准确率低的问题,提出了基于改进的Faster RCNN和多部件结合的安全帽佩戴检测方法。在原始Faster RCNN上运用多尺度训练和增加锚点数量增强网络检测不同尺寸目... 针对已有安全帽佩戴检测算法对部分遮挡、尺寸不一和小目标存在检测难度大、准确率低的问题,提出了基于改进的Faster RCNN和多部件结合的安全帽佩戴检测方法。在原始Faster RCNN上运用多尺度训练和增加锚点数量增强网络检测不同尺寸目标的鲁棒性,并引入防止正负样本不均衡的在线困难样本挖掘策略,然后对检测出的佩戴安全帽工人和安全帽等采用多部件结合方法剔除误检目标。实验表明,相比于原始Faster RCNN,检测准确率提高了7%,对环境的适应性更强。 展开更多
关键词 安全帽佩戴检测 faster rcnn 多尺度训练 在线困难样本挖掘 多部件结合
在线阅读 下载PDF
基于改进Faster-RCNN的自然场景人脸检测 被引量:17
5
作者 李祥兵 陈炼 《计算机工程》 CAS CSCD 北大核心 2021年第1期210-216,共7页
为实现对自然场景下小尺度人脸的准确检测,提出一种改进的Faster-RCNN模型。采用ResNet-50提取卷积特征,对不同卷积层的特征图进行多尺度融合,同时将区域建议网络产生的锚框由最初的9个改为15个,以更好地适应小尺度人脸检测场景。在此... 为实现对自然场景下小尺度人脸的准确检测,提出一种改进的Faster-RCNN模型。采用ResNet-50提取卷积特征,对不同卷积层的特征图进行多尺度融合,同时将区域建议网络产生的锚框由最初的9个改为15个,以更好地适应小尺度人脸检测场景。在此基础上,利用在线难例挖掘算法优化训练过程,采用软非极大值抑制方法解决漏检重叠人脸的问题,并在训练阶段通过多尺度训练提高模型的泛化能力。实验结果表明,该模型在Wider Face数据集上平均精度为89.0%,较原Faster-RCNN模型提升3.5%,在FDDB数据集上检出率也高达95.6%。 展开更多
关键词 人脸检测 faster-rcnn模型 多尺度融合 在线难例挖掘 软非极大值抑制
在线阅读 下载PDF
基于Faster-RCNN网络的蔬菜幼苗识别检测 被引量:3
6
作者 都泽鑫 孟鸿晨 +3 位作者 宋名果 张志鹏 李雪峰 孟庆宽 《热带农业工程》 2022年第2期42-46,共5页
田间杂草容易对蔬菜生长产生不利影响,快速准确的检测蔬菜幼苗并去除杂草对提高蔬菜产量和质量有较大影响。针对复杂农业环境下常规蔬菜幼苗识别方法存在的识别精度低、检测速度慢等问题,本文将Faster-RCNN模型引入到蔬菜幼苗识别检测中... 田间杂草容易对蔬菜生长产生不利影响,快速准确的检测蔬菜幼苗并去除杂草对提高蔬菜产量和质量有较大影响。针对复杂农业环境下常规蔬菜幼苗识别方法存在的识别精度低、检测速度慢等问题,本文将Faster-RCNN模型引入到蔬菜幼苗识别检测中,先采用Resnet50残差网络作为前置基础网络提取作物特征,然后将特征送入候选区域建议网络进行先验框调整,最后通过感兴趣区域池化网络和全连接层完成目标分类定位。将检测完成的蔬菜幼苗检测模型部署在NVIDIA Jetson TX2嵌入式平台进行测试,蔬菜幼苗平均识别率达到93.92%,平均检测时间为34.4 ms,具有识别速度快和准确率高等优点。本方法可以为后续农业智能装备精准作业所涉及的蔬菜幼苗检测问题提供新方案。 展开更多
关键词 深度学习 作物识别 蔬菜幼苗 faster-rcnn模型
在线阅读 下载PDF
融合图像识别和VFH+的无人艇局部路径规划方法 被引量:7
7
作者 洪晓斌 魏新勇 +2 位作者 黄烨笙 刘艳霞 肖国权 《华南理工大学学报(自然科学版)》 EI CAS CSCD 北大核心 2019年第10期24-33,共10页
针对水面无人艇在复杂海况下的局部避障问题,文中引入深度学习方法来处理视觉信息,提出了结合VFH+算法的水面无人艇的局部路径规划方法.首先利用对称的编码器-解码器结构的图像语义分割模型和FasterRCNN网络模型进行水面边界线检测及水... 针对水面无人艇在复杂海况下的局部避障问题,文中引入深度学习方法来处理视觉信息,提出了结合VFH+算法的水面无人艇的局部路径规划方法.首先利用对称的编码器-解码器结构的图像语义分割模型和FasterRCNN网络模型进行水面边界线检测及水面障碍物识别,构建水面无人艇环境模型;然后采用基于VFH+的局部路径规划方法,通过逐步构建主直方图、二元直方图和掩模直方图压缩环境数据,引入合理的代价函数来获取实现水面无人艇的有效避障方向规划.在MODD图像数据集上的仿真实验以及实船避障实验结果表明,该方法能有效地提取水面图像信息,并得到合理的局部路径规划策略,在10kn航速下的避障轨迹平滑,可满足水面无人艇的自主避障需求. 展开更多
关键词 无人艇 图像分割 fasterrcnn模型 VFH+算法 路径规划
在线阅读 下载PDF
基于深度学习的肺炎图像目标检测 被引量:5
8
作者 何迪 刘立新 +3 位作者 刘玉杰 熊丰 齐美捷 张周锋 《中国生物医学工程学报》 CAS CSCD 北大核心 2022年第4期443-451,共9页
肺炎是一种严重危害身体健康的疾病,通常使用肺部X光片进行检查。肺炎诊断是肺炎治疗前非常重要的环节,但是由于肺部其他疾病的干扰、医疗数据的爆发式增长以及专业病理医生的缺乏等,导致肺炎的准确诊断较为困难。深度学习能够模仿人脑... 肺炎是一种严重危害身体健康的疾病,通常使用肺部X光片进行检查。肺炎诊断是肺炎治疗前非常重要的环节,但是由于肺部其他疾病的干扰、医疗数据的爆发式增长以及专业病理医生的缺乏等,导致肺炎的准确诊断较为困难。深度学习能够模仿人脑的机制准确高效地解释医学图像数据,在肺炎图像检测方面获得了广泛应用。构建了3种基于深度学习的图像目标检测模型,单发多框探测器(SSD)、faster-RCNN和faster-RCNN优化模型,对来自Kaggle数据集的26 684张带标签的肺部X光图像进行研究。原始X光图像经预处理后输入3种深度学习模型,分别对单处和两处病灶区域进行目标检测。随机选取500张测试图像,利用损失函数、分类准确率、回归精度和误检病灶数等指标对各模型的性能进行评估。结果表明,faster-RCNN的性能指标优于SSD;Faster-RCNN优化模型的性能指标均优于其他两种模型,其损失函数值小且可快速达到稳定,平均分类准确率为93.7%,平均回归精度为79.8%,且误检病灶数为0。该方法有助于肺炎的准确识别和诊断。 展开更多
关键词 目标检测 肺炎图像 深度学习 更快速区域卷积神经网络(faster-rcnn)模型 单发多框探测器(SSD)模型
在线阅读 下载PDF
深度学习在输电线路中部件识别与缺陷检测的研究 被引量:87
9
作者 汤踊 韩军 +2 位作者 魏文力 丁建 彭新俊 《电子测量技术》 2018年第6期60-65,共6页
输电线路稳定运行是保障电力系统安全的重要环节之一,经典的机器学习算法对输电线路部件识别与分类准确率和效率都比较低。针对这一问题,选取了具有识别与分类功能的区域卷积神经网络(Faster-RCNN)来对部件进行识别与分类,研究了不同... 输电线路稳定运行是保障电力系统安全的重要环节之一,经典的机器学习算法对输电线路部件识别与分类准确率和效率都比较低。针对这一问题,选取了具有识别与分类功能的区域卷积神经网络(Faster-RCNN)来对部件进行识别与分类,研究了不同网络模型在输电线路中对不同部件的识别准确率和识别时间,结合实验结果,根据识别准确率和识别时间的优劣选取最佳网络模型,然后就如何提高模型的识别准确率和缩短识别时间展开研究,提出两种方法:通过调整CNN模型的卷积核大小和图像的旋转变换扩充数据集,实验结果表明两种方法都能有效的提高了输电线路巡检中的部件识别与缺陷检测的有效性和可靠性。利用无人机实际采集的图像进行识别和分类实验,实验结果表明深度学习方法在高压输电线路部件的识别与缺陷检测中的有效性和可靠性都非常高,Faster R-CNN进行部件识别与缺陷检测可以达到每张近0.17s的识别速度,对均压环的识别率最高可达到96.8%,mAP最高可以达到93.72%。 展开更多
关键词 faster-rcnn 网络模型 深度学习 有效性 可靠性
在线阅读 下载PDF
基于改进深度网络的钢材表面缺陷检测 被引量:11
10
作者 刘琪 雷景生 《计算机工程与设计》 北大核心 2022年第9期2654-2661,共8页
为解决传统的采用人工方法进行钢材表面缺陷检测存在错检、漏检、精度低等问题,提出一种改进Faster RCNN的钢材表面缺陷检测算法。使用融合残差网路和密集连接网络的DPN网络进行特征提取,提出改进PANet网络进行多尺度特征融合;使用CIoU... 为解决传统的采用人工方法进行钢材表面缺陷检测存在错检、漏检、精度低等问题,提出一种改进Faster RCNN的钢材表面缺陷检测算法。使用融合残差网路和密集连接网络的DPN网络进行特征提取,提出改进PANet网络进行多尺度特征融合;使用CIoU损失函数替代原算法中的Smooth L1作为边框回归损失函数;构建用于模型训练的钢材缺陷数据集。通过对比实验进行分析,实验结果表明,提出方法能够快速、准确地识别和定位钢材表面缺陷。 展开更多
关键词 钢材表面缺陷检测 faster rcnn模型 双路径网络 路径增强网络 交并比损失函数
在线阅读 下载PDF
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
11
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
多通道区域建议的多尺度X光安检图像检测 被引量:7
12
作者 康佳楠 张良 《计算机工程与应用》 CSCD 北大核心 2022年第1期224-231,共8页
针对安检X光图像检测中的违禁品尺度差异问题,对Faster RCNN网络进行改进,提出一种基于多通道区域建议网络(muiti-channel region proposal network,MCRPN)。考虑到不同层卷积特征在视觉语义上的互补性,进行多层特征提取,融合VGG16高层... 针对安检X光图像检测中的违禁品尺度差异问题,对Faster RCNN网络进行改进,提出一种基于多通道区域建议网络(muiti-channel region proposal network,MCRPN)。考虑到不同层卷积特征在视觉语义上的互补性,进行多层特征提取,融合VGG16高层较丰富的语义特征和低层较浅的边缘特征;修改多通道RPN中的锚框参数,将生成的多尺度候选目标区域分别映射到对应的特征图上,构建多尺度违禁品检测网络;在多通道上引入膨胀卷积,设计一种多分支膨胀卷积模块(dilated convolutions module,DCM),增大感受野,增强不同尺度的特征。将改进的算法在自制数据集SIXray_OD上进行实验,检测的平均精度达到84.69%,测性能较原网络提高了6.28%。实验结果表明,改进算法的识别精度有一定提高。 展开更多
关键词 目标检测 faster rcnn模型 多尺度 多通道 膨胀卷积
在线阅读 下载PDF
改进深度学习优化电力设备缺陷图像识别 被引量:6
13
作者 于彦良 李静力 王斌 《机械设计与制造》 北大核心 2021年第7期176-178,183,共4页
红外图像特征对具有发热特征的电力特设缺陷具有较好的表达能力,随着电力企业设备红外图像的积累,传统检测方法遇到效率和准确率瓶颈,为此,提出了基于改进Faster RCNN的缺陷识别算法,算法通过模型中RPN网络卷积核的优化,减少RPN网络的... 红外图像特征对具有发热特征的电力特设缺陷具有较好的表达能力,随着电力企业设备红外图像的积累,传统检测方法遇到效率和准确率瓶颈,为此,提出了基于改进Faster RCNN的缺陷识别算法,算法通过模型中RPN网络卷积核的优化,减少RPN网络的计算量,通过多分辨率特征融合提高网络对缺陷特征语义信息和细节定位信息的应用,最后通过自适应训练数据抽样提高正负训练样本抽取的有效性,从而提高算法缺陷识别准确率。实测数据实验表明,改进模型的目标函数可以在较少的迭代次数下实现稳定实收,在准确率、召回率和运行时间等评价指标上优于传统Faster RCNN模型、SIFT算子模型等已有模型,从而验证了算法的有效性和对不同背景干扰的有效性。 展开更多
关键词 电力设备缺陷识别 深度学习网络 改进faster rcnn模型 多分辨率特征融合
在线阅读 下载PDF
基于模型压缩的安瓿瓶外观检测仿真研究 被引量:1
14
作者 朱志豪 王艳 纪志成 《系统仿真学报》 CAS CSCD 北大核心 2022年第12期2575-2583,共9页
针对目标检测网络模型规模大、参数量冗余,导致安瓿瓶外观缺陷检测模型难以部署到边缘设备的问题,提出一种基于轻量化网络和模型压缩的Faster R-CNN安瓿瓶外观缺陷检测算法。以MobileNet-V2作为主干网络,利用模型剪枝策略裁剪卷积网络... 针对目标检测网络模型规模大、参数量冗余,导致安瓿瓶外观缺陷检测模型难以部署到边缘设备的问题,提出一种基于轻量化网络和模型压缩的Faster R-CNN安瓿瓶外观缺陷检测算法。以MobileNet-V2作为主干网络,利用模型剪枝策略裁剪卷积网络中冗余的通道;通过饱和截取映射将浮点型参数量化为整型;利用知识蒸馏恢复压缩后网络的检测精度。在自主构建的安瓿瓶外观缺陷数据集进行测试,模型体积减少了69.6%,平均精度为89.3%。仿真结果表明:压缩后的目标检测模型满足实际应用中安瓿瓶外观检测要求。 展开更多
关键词 目标检测 模型剪枝 参数量化 知识蒸馏 faster R-CNN
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部