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
共找到9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：
基于改进Mask RCNN和Kinect的服务机器人物品识别系统 被引量：29
1
作者 石杰 周亚丽 张奇志 《仪器仪表学报》 EI CAS CSCD 北大核心 2019年第4期216-228,共13页
服务机器人在近年来得到了快速的发展,其应用的算法也在不断地更迭,目标检测算法便是其中之一。在保证目标检测精度的前提下,目标检测速度决定着机器人目标物抓取的效率。因此将远距离小目标场景作为测试场景,改进现有网络模型,目的是... 服务机器人在近年来得到了快速的发展,其应用的算法也在不断地更迭,目标检测算法便是其中之一。在保证目标检测精度的前提下,目标检测速度决定着机器人目标物抓取的效率。因此将远距离小目标场景作为测试场景,改进现有网络模型,目的是在保证检测精度的前提下提升检测速度。掩码区域卷积神经网络(Mask RCNN)是目前目标检测领域应用较广的算法,通过对其网络结构研究发现,掩码分支和过多的全连接层会占用大量网络检测时间;同时,Mask RCNN提取到的特征图具有较高的维度,其会占用大量的计算内存,产生大量的计算任务。为此,Mask RCNN进行改进,如去掉掩码分支和多余的全链接层;将头部轻量化区域卷积神经网络(LH-RCNN)引入到Mask RCNN中;调整区域建议网络(RPN)中锚点(Anchor)的比例。最后,本文在带有KinectⅡ的家庭服务机器人平台上对改进的Mask RCNN进行测试,测试结果表明,与原始的Mask RCNN相比,改进的Mask RCNN在保证检测精度的同时,可以大幅提高算法运行的速度,检测时间缩短2倍以上,提高服务机器人目标抓取任务的效率。 展开更多
关键词 服务机器人 物品识别 改进的掩码区域卷积神经网络 头部轻量化掩码区域卷积神经网络 去掉掩码分支
在线阅读 下载PDF
基于CFRP-DDRCNN的CFRP缺陷检测方法
2
作者 章栩苓 周正东 +4 位作者 毛玲 张灵维 魏士松 盛涛 郑金华 《振动.测试与诊断》 北大核心 2025年第3期589-593,627,共6页
针对碳纤维增强复合材料(carbon fiber reinforced polymer,简称CFRP)缺陷检测通常由人工进行,存在检测效率低和漏检等问题,以掩码区域卷积神经网络(mask region based convolution nerual network,简称Mask R-CNN)为基础,提出了一种新... 针对碳纤维增强复合材料(carbon fiber reinforced polymer,简称CFRP)缺陷检测通常由人工进行,存在检测效率低和漏检等问题,以掩码区域卷积神经网络(mask region based convolution nerual network,简称Mask R-CNN)为基础,提出了一种新的碳纤维增强复合材料缺陷检测网络(carbon fiber reinforced polymer defect detect region based convolutional neural network,简称CFRP-DDRCNN)。首先,该网络前端设置了图像裁剪和背景去除模块(background removal module,简称BRM),以提升网络的缺陷检测效率和精度;其次,引入分割图像数据集,将其和原图像数据集一起进行网络训练,以提高网络的缺陷检测精度;然后,引入注意力机制,提高网络的缺陷特征提取能力;最后,通过缺陷尺寸聚类对锚框参数进行优化,以提高缺陷检测精度。实验结果表明,所提出的CFRP-DDRCNN具有良好的CFRP缺陷检测性能,能有效提高CFRP缺陷的检测精度,与Mask R-CNN相比,CFRP-DDRCNN使CFRP缺陷检测的平均精准度提高了87.74%。 展开更多
关键词 碳纤维增强复合材料 掩码区域卷积神经网络 图像分割 碳纤维增强复合材料缺陷检测网络 缺陷检测
在线阅读 下载PDF
基于Mask RCNN和视觉技术的玉米种子发芽自动检测方法
3
作者 马启良 杨小明 +2 位作者 胡水星 黄子鸿 祁亨年 《浙江农业学报》 CSCD 北大核心 2023年第8期1927-1936,共10页
种子标准发芽试验中,为获取种子发芽和生长情况,需借助人工定时对种子的发芽率、发芽势、芽长和根长等相关指标进行统计和测量,该测定过程费时费力,且易对发芽的幼苗造成损伤。针对这些问题,该研究基于Mask RCNN(基于区域的卷积神经网络... 种子标准发芽试验中,为获取种子发芽和生长情况,需借助人工定时对种子的发芽率、发芽势、芽长和根长等相关指标进行统计和测量,该测定过程费时费力,且易对发芽的幼苗造成损伤。针对这些问题,该研究基于Mask RCNN(基于区域的卷积神经网络)模型和机器视觉技术设计了一种玉米种子发芽自动检测方法。首先,在玉米种子发芽试验的7 d内,每天采集模型训练和测试所需的图像,并用Labelme工具对种子位置进行标注,再利用标注图像训练种子定位模型;其次,根据模型定位出的玉米种子掩膜区域,设定一个监测种子发芽的椭圆区域,自动识别种子发芽状态;最后,利用骨架提取和深度搜索算法实现发芽种子幼苗主骨架线的提取,通过计算种子掩膜的质心坐标位置,实现芽和根长度的分别统计。结果表明,该方法能够有效识别发芽种子,实现发芽试验中玉米种子的发芽率、发芽势、芽长、根长等指标的自动统计,可为种子发芽试验的自动化管理提供技术参考。 展开更多
关键词 标准发芽试验 发芽率 mask rcnn 玉米 骨架提取 芽长 根长
在线阅读 下载PDF
基于改进的Mask R-CNN的染色体图像分割框架 被引量：9
4
作者 冯涛 陈斌 张跃飞 《计算机应用》 CSCD 北大核心 2020年第11期3332-3339,共8页
针对染色体图像的人工分割耗时费力且当前自动分割方法精度不佳的问题,基于改进的Mask R-CNN提出了一种染色体图像分割框架——Mask Oriented R-CNN,引入方向信息对染色体图像进行实例分割。首先,新增有向包围框回归分支,以预测紧实包... 针对染色体图像的人工分割耗时费力且当前自动分割方法精度不佳的问题,基于改进的Mask R-CNN提出了一种染色体图像分割框架——Mask Oriented R-CNN,引入方向信息对染色体图像进行实例分割。首先,新增有向包围框回归分支,以预测紧实包围框并获取方向信息;然后,提出新的交并比(IoU)度量——角度加权交并比(AwIoU),从而结合方向信息与边的关系以改进冗余包围框的判据;最后,实现有向卷积通路结构,通过拷贝掩模分支通路并依据实例的方向信息选择训练路径来减少掩模预测中的干扰。实验结果表明,相较于基准模型Mask R-CNN,Mask Oriented R-CNN在IoU阈值为0.5时的平均精度均值指标提升了10.22个百分点,IoU阈值为0.5~0.95时的平均指标提升了4.91个百分点。研究结果显示,Mask Oriented R-CNN框架相较于基准模型取得了更好的染色体图像分割结果,有助于实现染色体图像自动分割。 展开更多
关键词 卷积神经网络 实例分割 mask R-CNN 染色体图像分割 图像分割 非极大值抑制 交并比
在线阅读 下载PDF
基于Mask R-CNN的磁瓦表面缺陷检测算法 被引量：19
5
作者 郭龙源 段厚裕 +4 位作者 周武威 童光红 吴健辉 欧先锋 李武劲 《计算机集成制造系统》 EI CSCD 北大核心 2022年第5期1393-1400,共8页
磁瓦图像具有光照不均、表面纹理复杂、对比度低等特点,针对传统的缺陷检测算法难以准确分割其中缺陷的问题,提出基于掩膜区域卷积网络(Mask R-CNN)的缺陷检测算法。该算法首先通过限制对比度的自适应直方图均衡化方法对图像进行预处理... 磁瓦图像具有光照不均、表面纹理复杂、对比度低等特点,针对传统的缺陷检测算法难以准确分割其中缺陷的问题,提出基于掩膜区域卷积网络(Mask R-CNN)的缺陷检测算法。该算法首先通过限制对比度的自适应直方图均衡化方法对图像进行预处理;然后,采用残差网络50(ResNet50)构建特征金字塔网络(FPN)获取图像信息并提取特征,再采用区域建议网络(RPN)提取缺陷区域的感兴趣区域,得到相应的锚框,并通过全卷积神经网络(FCN)对感兴趣区域内部的像素类别进行预测,以实现缺陷分割;最后通过网络的全连接层实现每个感兴趣区域所属类别和相应锚框坐标的预测。实验结果表明,该算法具有较强的泛化能力,可以对表面存在大量纹理复杂、光照不均和对比度低的磁瓦图像进行精确的缺陷分割,具有较强的鲁棒性。 展开更多
关键词 表面缺陷检测 掩膜区域卷积网络 特征金字塔网络 磁瓦
在线阅读 下载PDF
半监督学习模型下的露天矿高陡岩质边坡裂隙识别研究
6
作者 江松 章睿 +4 位作者 崔智翔 王会杰 刘仲光 吴祥业 饶彬舰 《安全与环境学报》 北大核心 2025年第10期3821-3829,共9页
针对传统露天矿边坡人工检测效率低、主观性强的问题,提出一种基于半监督学习的裂隙智能识别方法,旨在实现高效、精准的自动化检测。构建双模型协同训练框架:通过无人机采集露天矿高陡岩质边坡裂隙图像数据,利用少量人工标注样本与大量... 针对传统露天矿边坡人工检测效率低、主观性强的问题,提出一种基于半监督学习的裂隙智能识别方法,旨在实现高效、精准的自动化检测。构建双模型协同训练框架:通过无人机采集露天矿高陡岩质边坡裂隙图像数据,利用少量人工标注样本与大量未标注数据,设计主模型与评判模型协同迭代优化的半监督学习策略,分析模型在复杂背景下的特征学习能力,并验证半监督机制对性能的提升作用。结果表明:双模型协同训练框架在裂隙识别的精确率、召回率、交并比和平均像素精度分别达到91.9%、91.5%、88.7%和90.2%,均显著优于单一监督模型与传统图像分割算法。研究通过半监督学习策略融合标注数据与未标注数据的特征信息,为露天矿边坡裂隙检测提供了高效、鲁棒的技术路径,可降低对人工标注的依赖,提升复杂场景下的裂隙识别精度。 展开更多
关键词 安全工程 裂隙识别 图像分割 半监督学习 掩膜区域卷积神经网络 U形网络
在线阅读 下载PDF
结合模式记忆和自监督注意力的人群异常行为检测方法
7
作者 宁冬梅 梁莉 《计算机工程与设计》 北大核心 2024年第8期2527-2533,共7页
为实现复杂环境下监控视频中异常事件的快速检测和准确定位,提出一种结合正常模式记忆和自监督注意力机制的异常检测框架。记忆机制综合考虑正常模式的多样性和差异性,解决卷积神经网络(CNN)泛化性过强的问题。自监督模块包含遮罩卷积... 为实现复杂环境下监控视频中异常事件的快速检测和准确定位,提出一种结合正常模式记忆和自监督注意力机制的异常检测框架。记忆机制综合考虑正常模式的多样性和差异性,解决卷积神经网络(CNN)泛化性过强的问题。自监督模块包含遮罩卷积层和通道注意力层,通过遮罩信息预测的自监督训练,提高模型对全局特征结构的理解。公开数据集的实验结果表明,所提方法的曲线下面积(AUC)指标分别达到92.6%和82.7%,性能优于当前其它先进的视频异常检测方法,在轨迹检测标准(TBDC)和区域检测标准(RBDC)指标中表现出优秀的异常跟踪和定位能力。 展开更多
关键词 人群异常行为检测 自监督注意力 卷积神经网络 遮罩卷积 全局特征结构 轨迹检测标准 区域检测标准
在线阅读 下载PDF
面向机械臂操作的视觉信息实时重建方法 被引量：1
8
作者 贾清玉 常亮 +4 位作者 杨先一 强保华 张世豪 谢武 杨明浩 《计算机应用》 CSCD 北大核心 2023年第4期1255-1260,共6页
现阶段的机械臂技能传授方法主要通过三维实时重建技术搭建虚拟空间进行模拟训练。然而人与机械臂视角不同,传统视觉信息重建方法由于重建误差大、时间长,而且实验环境苛刻、所需传感器较多等原因,导致机械臂在虚拟空间内习得的技能不... 现阶段的机械臂技能传授方法主要通过三维实时重建技术搭建虚拟空间进行模拟训练。然而人与机械臂视角不同,传统视觉信息重建方法由于重建误差大、时间长,而且实验环境苛刻、所需传感器较多等原因,导致机械臂在虚拟空间内习得的技能不能很好地迁移于现实环境。针对以上问题,提出了一种面向机械臂操作的视觉信息实时重建方法。首先,通过Mask-RCNN(Mask-Region Convolutional Neural Network)对实时采集到的RGB图像提取信息;然后,将提取后的RGB图像及其他视觉信息联合编码,并通过ResNet-18将视觉信息映射为机械臂操作空间的三维位置信息;最后,为减小重建误差,提出了一种聚类簇中心距离受限离群值调整方法(CC-DIS),并利用OpenGL(Open Graphics Library)将调整后的位置信息可视化,完成机械臂操作空间三维实时重建。实验结果表明,所提的实时重建方法具有较快的重建速度和较高的重建精度,完成一次三维重建仅需62.92 ms,重建速度高达每秒16帧,重建相对误差约为5.23%,能有效用于机械臂技能传授任务。 展开更多
关键词 技能传授 mask-rcnn ResNet-18 三维实时重建 机械臂
在线阅读 下载PDF
带式输送机上散状物料堆积视频实时检测 被引量：7
9
作者 唐俊 李敬兆 +3 位作者 石晴 刘阳 宋世现 任成成 《工矿自动化》 北大核心 2022年第10期62-68,75,共8页
针对非接触式散状物料堆积检测方法存在检测速度慢、在图像模糊场景下检测精度低、深度学习模型内存需求大等问题,提出了一种基于轻量化Mask-RCNN(掩码-区域卷积神经网络)的带式输送机上散状物料堆积视频实时检测方法。首先,通过暗通道... 针对非接触式散状物料堆积检测方法存在检测速度慢、在图像模糊场景下检测精度低、深度学习模型内存需求大等问题,提出了一种基于轻量化Mask-RCNN(掩码-区域卷积神经网络)的带式输送机上散状物料堆积视频实时检测方法。首先,通过暗通道先验算法对采集的图像进行预处理,以减少运输装载过程中粉尘造成的图像雾化现象,提高图像边缘特征。针对传统的Mask-RCNN的主干网络ResNet无法满足在嵌入式平台上对散状物料堆积进行实时检测的需求问题,将去雾预处理后的图像输入到基于MobileNetV2+特征金字塔网络(FPN)的主干网络中进行特征提取,生成特征图,并对主干网络进行轻量化设计,以部署在嵌入式平台上,对实时采集图像数据进行实例分割。为更精确地找到分割物体的边缘,提出了在传统Mask-RCNN的掩码分支中添加边缘损失的方法,利用全卷积网络层生成掩码,结合Scharr算子构造边缘损失函数,融合目标分类、边界框回归、语义信息得到实例分割图像。最后,通过判断散状物料堆积掩码内的像素值是否超过预设阈值实现散状物料堆积检测。实验结果表明:所提方法的模型内存需求降低到以ResNet101为主干网络的模型的1/5,经图像去雾预处理后的平均精度均值提高了8%,单张图像平均检测时间为0.56 s,检测精度可达91.8%。 展开更多
关键词 矿用带式输送机 散状物料运输 物料堆积 视频实时检测 图像处理 暗通道先验算法 掩码-区域卷积神经网络 轻量化主干网络
在线阅读 下载PDF
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
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部