基于改进掩膜区域卷积神经网络的输电线路绝缘子自爆检测 被引量：22

1

作者 苟军年 杜愫愫 刘力 《电工技术学报》 EI CSCD 北大核心 2023年第1期47-59,共13页

由于背景复杂、目标所占像素比例较小,掩膜区域卷积神经网络(Mask R-CNN)模型对输电线路绝缘子缺陷检测能力不足,该文提出一种改进的MaskR-CNN模型。具体地,首先,在特征提取网络中引入卷积注意力模块(CBAM),分别从通道和空间提升小目标... 由于背景复杂、目标所占像素比例较小,掩膜区域卷积神经网络(Mask R-CNN)模型对输电线路绝缘子缺陷检测能力不足,该文提出一种改进的MaskR-CNN模型。具体地,首先,在特征提取网络中引入卷积注意力模块(CBAM),分别从通道和空间提升小目标特征保持性;其次,使用全局交并比(GIoU)计算目标间的相似度,提升定位准确性;最后,使用Tversky损失计算掩膜分支的损失,以提升不平衡样本下的检测效果。使用某输电运检中心无人机巡检作业所得具有自爆缺陷的绝缘子照片作为数据集对该模型进行验证,实验结果表明,与原始Mask R-CNN模型相比,该方法的平均精确率AP50:90、AP50和AP75分别提升至0.56、0.79和0.72;与三种经典目标检测算法相比,该算法具有较高的检测精度,模型的分割性能有一定提升,且比原始模型具有更好的鲁棒性,可以满足电力巡检中准确性和快速性的要求。 展开更多

关键词 绝缘子缺陷检测 掩膜区域卷积神经网络 卷积注意力模块 特征融合 全局交并比 Tversky损失

下载PDF 职称材料

基于改进双目视觉和掩膜区域卷积神经网络的 空间定位方法研究 被引量：6

2

作者 李洵 卫薇 +1 位作者 舒彧 赵文彬 《微特电机》 2023年第8期67-73,共7页

针对实际应用时监控图像中外破危险点选取不准和标定空间不足等问题,提出外破危险点自动选取算法并改进了双目立体视觉的标定过程,实现了双目立体视觉测距技术在复杂环境廊道外破距离测量中的实际应用。总结了理想状况下大场景中外破风... 针对实际应用时监控图像中外破危险点选取不准和标定空间不足等问题,提出外破危险点自动选取算法并改进了双目立体视觉的标定过程,实现了双目立体视觉测距技术在复杂环境廊道外破距离测量中的实际应用。总结了理想状况下大场景中外破风险测距的双目立体视觉算法。使用掩膜神经网络识别外破轮廓和距离线路最近的危险点。针对可能出现的复杂地形,提出减少标定区域的部分标定法。选取部分典型外破入侵场景验证危险点提取算法和标定方法的有效性。结果表明,此改进算法在监测施工机械类外破时的危险点识别精度保持在0.3 m以下,且可以使双目测距应用于复杂环境下的线路外破监测任务。 展开更多

关键词 双目立体视觉 测距技术 线路外破监测 掩膜区域卷积神经网络 部分标定

下载PDF 职称材料

Mask R-CNN神经网络模型对舌象裂纹严重程度的评价效果 被引量：1

3

作者 徐钰莹 胡广洋 +4 位作者 张继伟 杨浩 王云峰 宋婷婷 李秋艳 《北京中医药》 2024年第8期942-946,共5页

目的基于掩膜区域的卷积神经网络(Mask R-CNN)算法,在裂纹舌识别与提取的基础上探索裂纹舌严重程度的客观评价方法。方法从中国中医科学院西苑医院收集200例裂纹舌与200例非裂纹舌的舌象图片,建立基于神经网络的裂纹舌识别模型,以准确... 目的基于掩膜区域的卷积神经网络(Mask R-CNN)算法,在裂纹舌识别与提取的基础上探索裂纹舌严重程度的客观评价方法。方法从中国中医科学院西苑医院收集200例裂纹舌与200例非裂纹舌的舌象图片,建立基于神经网络的裂纹舌识别模型,以准确率、精确率、召回率对模型裂纹舌识别效果进行评价。由3名中医专业主任医师对200张裂纹舌图片按照轻度裂纹、中度裂纹、重度裂纹进行严重程度分级标注,通过裂纹识别模型进行裂纹舌的识别与特征提取,选择裂纹面积比(x)、裂纹方向(z)、裂纹条数(n)、主裂纹长度(l)作为裂纹评价指标,以医生标注结果作为分级标准,根据分级结果对各指标进行权重赋值,裂纹严重程度综合权重计算公式:W=(∑w_(i))/4(i=x,z,n,l),计算裂纹多维度指标的分布区间,评价裂纹的严重程度。结果模型识别裂纹舌,准确率为0.945,精确率为0.949,召回率为0.940。舌裂纹的严重程度评价结果:W∈[1,3]为轻度裂纹,W∈(3,6]为中度裂纹,W∈(6,10]为重度裂纹。经验证,裂纹舌总体评价准确率为88.3%,其中轻度裂纹的评价准确率为88.9%,中度裂纹的评价准确率为91.7%,重度裂纹评价准确率为83.3%。结论选择裂纹面积比、裂纹方向、裂纹条数、主裂纹长度作为评价裂纹舌严重程度的指标,可较好地完成辨识任务,实现舌象裂纹程度的定量化评价。 展开更多

关键词 裂纹舌 掩膜区域的卷积神经网络算法 舌象特征提取 严重程度 舌象诊断 中医客观化

原文传递

基于改进掩码-区域卷积神经网络的混凝土病害实例分割 被引量：5

4

作者 黄彩萍 谢鑫 +1 位作者 周永康 李桂龙 《桥梁建设》 EI CSCD 北大核心 2023年第6期63-70,共8页

为对混凝土病害图像进行更精确的实例分割,提出改进掩码-区域卷积神经网络(Mask Region Convolution Neural Network,Mask-RCNN)。该网络采用轻量级的可移动网络(MobileNetV2)代替原始Mask-RCNN中卷积层过大的主干网络——残差网络(ResN... 为对混凝土病害图像进行更精确的实例分割,提出改进掩码-区域卷积神经网络(Mask Region Convolution Neural Network,Mask-RCNN)。该网络采用轻量级的可移动网络(MobileNetV2)代替原始Mask-RCNN中卷积层过大的主干网络——残差网络(ResNet101),加入路径聚合网络(PANet),以提高Mask-RCNN提取浅层特征信息的能力。为验证改进Mask-RCNN的识别精度及其在实际工程中的可行性,首先构建多类混凝土病害图像数据集,利用K-means聚类算法确定最适合该数据集的先验边界框的长宽比,然后对比改进Mask-RCNN与原始Mask-RCNN、其它主流深度学习网络对混凝土五类病害(裂缝、露筋、剥落、白皙和空洞)的识别结果;最后利用无人机采集到的钢筋混凝土桥梁病害图像作为测试集进行测试。结果表明:改进Mask-RCNN在提高计算速度的同时能更准确地定位病害,减少了误检和漏检,识别精度高于原始Mask-RCNN及其它深度学习网络;改进Mask-RCNN可以识别无人机拍摄的未经训练的新的混凝土病害图像,识别精度满足实际工程需求。 展开更多

关键词 桥梁工程 混凝土病害 深度学习 掩码-区域卷积神经网络 可移动网络 K-MEANS聚类算法 病害识别

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：12

5

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

下载PDF 职称材料

基于卷积神经网络的生产日期识别 被引量：6

6

作者 胡蝶 侯俊 +2 位作者 张全年 何金亭 王宗宜 《电子测量技术》 2020年第1期152-156,共5页

为了提高识别效率并减少人工成本,采用深度学习的方法对生产日期图像进行识别。首先对生产日期图像进行预处理,使用水平投影分割算法并提出一种区域最大值分割的方法将图像中的干扰字符去除,只留下数字、字母和汉字字符。然后创建一个... 为了提高识别效率并减少人工成本,采用深度学习的方法对生产日期图像进行识别。首先对生产日期图像进行预处理,使用水平投影分割算法并提出一种区域最大值分割的方法将图像中的干扰字符去除,只留下数字、字母和汉字字符。然后创建一个由生产日期图像中常包含的数字、英文、汉字字符所组成的可扩展的数据集。最后构建一个卷积神经网络模型并将数据集送入训练以获得较高的识别准确率。经测试基于卷积神经网络的识别方法对生产日期识别的准确率高达98%。 展开更多

关键词 生产日期识别 卷积神经网络 区域最大值分割算法 投影分割算法

原文传递

基于改进型卷积神经网络和行特征的文本检测 被引量：3

7

作者 方承志 樊梦雅 《微电子学与计算机》 北大核心 2019年第8期77-82,共6页

针对现有的自然场景文本检测算法准确率尚未理想的问题,提出了一种基于改进型卷积神经网络和行特征的文本检测方法.首先,采用增强的最大稳定极值区域(MSER)提取图像的连通分量,并应用剪枝方法来获取孤立的连通区域;其次,应用改进型卷积... 针对现有的自然场景文本检测算法准确率尚未理想的问题,提出了一种基于改进型卷积神经网络和行特征的文本检测方法.首先,采用增强的最大稳定极值区域(MSER)提取图像的连通分量,并应用剪枝方法来获取孤立的连通区域;其次,应用改进型卷积神经网络(CNN)对非字符区域进行消除,获得候选字符区域;然后,提出基于行特征构建多方向候选文本行的算法,用于检测任意定向和弯曲的场景文本;最后,应用C4.5决策树算法对候选文本行进行分类.该算法在ICDAR2013、ICDAR2015和MSER-TD500数据集上进行实验,实验结果表明,该算法能显著提高自然场景文本检测的准确率和召回率,且适用于任意方向、语言和字体的文本. 展开更多

关键词 文本检测 最大稳定极值区域 卷积神经网络 行特征 C4.5决策树算法

下载PDF 职称材料

基于Faster-RCNN深度学习算法的图像识别技术研究

8

作者 王世勤 《信息记录材料》 2025年第4期120-122,共3页

为提升图像识别技术准确性,本研究基于区域卷积神经网络(region⁃based convolutional neural network,Faster R⁃CNN)深度学习算法的图像识别方法,采用理论分析与实验验证相结合方法,以公开图像数据集为例,探讨了Faster⁃RCNN的网络结构... 为提升图像识别技术准确性,本研究基于区域卷积神经网络(region⁃based convolutional neural network,Faster R⁃CNN)深度学习算法的图像识别方法,采用理论分析与实验验证相结合方法,以公开图像数据集为例,探讨了Faster⁃RCNN的网络结构、区域建议网络(region proposal network,RPN)的实现、特征提取与分类器的设计,并进行了优化设计。在实验过程中,将优化后的Faster⁃RCNN算法与传统算法进行对比分析,验证其性能改进。结果表明:优化后的Faster⁃RCNN算法在图像识别的检测精度、处理速度、小目标检测能力上均优于对比算法,为复杂场景下的图像识别提供了更高效的解决方案。 展开更多

关键词 区域的卷积神经网络(Faster⁃RCNN)算法 网络结构 模型训练 损失函数

下载PDF 职称材料

基于遗传算法和三维卷积神经网络集成模型的阿尔茨海默症早期辅助诊断 被引量：6

9

作者 潘丹 邹超 +1 位作者 容华斌 曾安 《生物医学工程学杂志》 EI CAS CSCD 北大核心 2021年第1期47-55,64,共10页

阿尔茨海默病(AD)作为一种常见的神经系统退行性疾病,其致病机制不明,尤其是对处于AD不同阶段的轻度认知障碍(MCI)患者的萎缩区域难以确定,导致误诊率偏高。为此,提出了基于3维卷积神经网络(3DCNN)和遗传算法(GA)相结合的AD早期辅助诊... 阿尔茨海默病(AD)作为一种常见的神经系统退行性疾病,其致病机制不明,尤其是对处于AD不同阶段的轻度认知障碍(MCI)患者的萎缩区域难以确定,导致误诊率偏高。为此,提出了基于3维卷积神经网络(3DCNN)和遗传算法(GA)相结合的AD早期辅助诊断模型。首先用3DCNN针对感兴趣区域(ROI)训练出候选基分类器,然后利用GA算法从中挑选出最优基分类器组合,最后集成起来进行分类,实现辅助诊断。同时,由于基分类器与脑区之间是一一对应的,进而可以找出具有显著分类能力的脑区。实验结果表明,AD与正常组(NC)的分类准确率为88.6%,转化为AD的MCI(MCIc)与NC的分类准确率为88.1%,未转化为AD的MCI(MCInc)与MCIc的分类准确率为71.3%。此外,通过对关键ROI(即脑区)所对应的行为域数据进行统计分析,GA筛选的关键脑区除了左延髓海马、左尾部海马和内外侧杏仁核、左海马旁回,还新发现了右颞中回前颞上沟、右扣带回背侧23等区域。实验得出所选脑区的功能主要影响情绪、记忆和认知等方面,这与AD患者出现的感情冷淡、记忆力下降、行动能力下降和认知水平下降等外在表现基本吻合。这些均表明所提方法是有效的。 展开更多

关键词 阿尔茨海默症 分类 卷积神经网络 遗传算法 感兴趣区域

原文传递

基于改进CTPN网络的电气铭牌文本区域检测 被引量：2

10

作者 石煌雄 胡洋 +2 位作者 蒋作 潘文林 杨凡 《云南民族大学学报（自然科学版）》 CAS 2023年第1期96-102,共7页

针对现有的文本区域检测网络对图像特征提取不充分,导致文本行间距过小或字间距过大的电气铭牌文本区域检测准确率低、误检率高,提出一种融合ResNet的改进CTPN算法用于电气铭牌文本区域检测.该模型在卷积神经网络模块中引入残差连接和... 针对现有的文本区域检测网络对图像特征提取不充分,导致文本行间距过小或字间距过大的电气铭牌文本区域检测准确率低、误检率高,提出一种融合ResNet的改进CTPN算法用于电气铭牌文本区域检测.该模型在卷积神经网络模块中引入残差连接和并行卷积核操作,提升模型对铭牌图像提取特征的能力.在长短期记忆网络模块采用双向门控单元,降低模型训练难度.经实验验证,改进后的CTPN模型F值(F-measure)明显提升,对铭牌文本区域误检率显著降低. 展开更多

关键词 电气铭牌 文本区域检测 CTPN算法 卷积神经网络 长短期记忆网络

下载PDF 职称材料

气象雷达回波图中区域地物杂波检测算法

11

作者 季钰林 傅俊杰 +2 位作者 刘家威 刘人铨 周孝宗 《软件导刊》 2022年第9期146-151,共6页

针对多普勒气象雷达回波图中的地物杂波只能通过肉眼识别且效率低下的问题,提出一种结合卷积神经网络模型与区域重叠灰度共生矩阵的算法,以实现对雷达回波图中特定杂波区域的高效识别。首先设计一个卷积神经网络模型,利用数据集对卷积... 针对多普勒气象雷达回波图中的地物杂波只能通过肉眼识别且效率低下的问题,提出一种结合卷积神经网络模型与区域重叠灰度共生矩阵的算法,以实现对雷达回波图中特定杂波区域的高效识别。首先设计一个卷积神经网络模型,利用数据集对卷积神经网络进行训练,从而对雷达回波图的俯仰角进行识别;然后利用区域重叠灰度共生矩阵算法对低仰角的气象雷达回波图进行特征提取,检测出存在地物杂波的具体区域;最后得出地物杂波所在具体区域的坐标。经过大量实验,结果表明,该算法可对气象雷达回波图中的地物杂波进行有效识别。 展开更多

关键词 气象雷达回波图 卷积神经网络模型 区域重叠灰度共生矩阵算法 地物杂波

下载PDF 职称材料

基于磁共振平扫对直肠癌侵犯环周切缘行卷积神经网络风险评估的研究 被引量：10

12

作者 徐吉华 周晓明 +8 位作者 马金龙 刘世松 张茂申 郑学风 张训营 刘广伟 张宪祥 卢云 王东升 《中华胃肠外科杂志》 CAS CSCD 北大核心 2020年第6期572-577,共6页

目的探讨利用更快的区域卷积神经网络算法(Faster R-CNN)分析直肠癌磁共振(MRI)平扫图像以评估环周切缘(CRM)状态的可行性。方法病例纳入标准:(1)CRM阳性区域位于提肛肌肛管平面至腹膜反折之间,电子结肠镜及组织病理学检查证实为直肠恶... 目的探讨利用更快的区域卷积神经网络算法(Faster R-CNN)分析直肠癌磁共振(MRI)平扫图像以评估环周切缘(CRM)状态的可行性。方法病例纳入标准:(1)CRM阳性区域位于提肛肌肛管平面至腹膜反折之间,电子结肠镜及组织病理学检查证实为直肠恶性肿瘤;(2)术后病理或术前高分辨MRI检查证实有CRM阳性。排除标准:新辅助治疗后、手术后复发、图像质量差伪影、肿瘤巨大及广泛坏死等组织变性以及既往盆腔手术史直肠临近组织结构改变的病例。根据以上标准,收集青岛大学附属医院2016年7月至2019年6月期间,350例CRM阳性直肠癌患者的MR平扫图像。将患者按照性别和肿瘤部位分类,应用计算机随机数字法以6∶1比例随机分配为训练组(300例)和测试组(50例)。利用LabelImg软件在T2加权成像(T2WI)图像上对CRM阳性区域进行标识。应用标识的训练组图像对Faster R-CNN模型进行迭代训练、优化参数,直到网络收敛获得最佳的深度学习模型。利用测试集数据评估人工智能平台的识别性能,选取指标包括准确度、敏感性、阳性预测值、受试者工作特征曲线和曲线下面积(AUC),以及识别单张图像所花费的时间。结果训练后的Faster R-CNN模型判定CRM状态的准确度、敏感性、特异性、阳性预测值和阴性预测值分别为0.884、0.857、0.898、0.807和0.926;AUC为0.934(95%CI:91.3%~95.4%)。Faster R-CNN模型对单张图像的自动识别时间为0.2 s。结论基于Faster R-CNN建立的对直肠癌CRM阳性MRI图像识别和分割的人工智能模型,可完成对原位肿瘤外侵引起CRM阳性区域的风险评估,具有初步筛选的应用价值。 展开更多

关键词 直肠肿瘤 更快的区域卷积神经网络算法 环周切缘 磁共振平扫

原文传递

基于Mask RCNN的桥小脑角区脑膜瘤与听神经瘤分类定位研究 被引量：11

13

作者 刘颖 陈静聪 +1 位作者 胡小洋 章浩伟 《波谱学杂志》 CAS 北大核心 2021年第1期58-68,共11页

由于人体桥小脑角区的脑膜瘤与听神经瘤在影像学的表现以及发病位置极其相似,所以临床诊断极易发生误诊.针对此问题,本文应用掩膜区域卷积神经网络(Mask RCNN)对两类肿瘤进行分类定位研究.首先采集89名脑膜瘤与218名听神经瘤患者的T1WI... 由于人体桥小脑角区的脑膜瘤与听神经瘤在影像学的表现以及发病位置极其相似,所以临床诊断极易发生误诊.针对此问题,本文应用掩膜区域卷积神经网络(Mask RCNN)对两类肿瘤进行分类定位研究.首先采集89名脑膜瘤与218名听神经瘤患者的T1WI-SE序列的磁共振图像,对其进行预处理,再结合改进的特征金字塔网络(FPN)算法进行网络训练.本文对比了三种不同的Mask RCNN主干网络对两者分类定位的效果.结果表明,结合改进的FPN算法和ResNet101作为主干网络的Mask RCNN分类定位模型能够有效实现对两类肿瘤的分类定位,精确率为0.9182、召回率为0.8569、特异性为0.8762、均值平均精度(mAP)为0.90. 展开更多

关键词 掩膜区域卷积神经网络(Mask RCNN) 特征金字塔网络(FPN)算法 分类定位 脑膜瘤 听神经瘤

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：2

14

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

下载PDF 职称材料

人体关键点检测的Mask R-CNN网络模型改进研究 被引量：8

15

作者 宋玲 夏智敏 《计算机工程与应用》 CSCD 北大核心 2021年第1期150-160,共11页

由于在现有的人体关键点检测问题中,深度学习解决方案采用的掩膜区域卷积神经网络Mask R-CNN存在参数量大导致计算成本过高、迭代次数多导致训练时间过长等问题,提出了一种基于重组通道网络ShuffleNet改进Mask R-CNN网络模型。通过引入S... 由于在现有的人体关键点检测问题中,深度学习解决方案采用的掩膜区域卷积神经网络Mask R-CNN存在参数量大导致计算成本过高、迭代次数多导致训练时间过长等问题,提出了一种基于重组通道网络ShuffleNet改进Mask R-CNN网络模型。通过引入ShuffleNet的网络结构,使用分组逐点卷积与通道重排的操作与联合边框回归和掩膜分割的计算结果对Mask R-CNN进行轻量化改进。使用该方法改进网络模型在进行单人或多人情况下的人体关键点检测中,在保留精度的前提下,可以加快运行速度,减少检测时间。 展开更多

关键词 深度学习 卷积神经网络(CNN) 掩膜区域卷积神经网络(Mask R-CNN) 重组通道网络 人体关键点检测

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：49

16

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

下载PDF 职称材料

基于改进Mask-RCNN算法的车位检测研究 被引量：8

17

作者 党顺峰 熊锐 +3 位作者 李继辉 陈灿奇 陈振威 吴鑫 《现代制造工程》 CSCD 北大核心 2021年第1期91-97,101,共8页

车位检测是自动泊车至关重要的环节,在复杂情况下,为同时实现自动泊车视觉系统对车位识别和车位状态分类,提出一种基于改进掩模区域卷积神经网络(Mask Region Convolutional Neural Network,Mask-RCNN)算法的C-Mask-RCNN车位检测算法。C... 车位检测是自动泊车至关重要的环节,在复杂情况下,为同时实现自动泊车视觉系统对车位识别和车位状态分类,提出一种基于改进掩模区域卷积神经网络(Mask Region Convolutional Neural Network,Mask-RCNN)算法的C-Mask-RCNN车位检测算法。C-Mask-RCNN车位检测算法通过在Mask-RCNN算法的ResNet50特征提取网络中增加卷积块注意力模块(Convolutional Block Attention Module,CBAM),使模型更加关注车位相关的语义信息。利用C-Mask-RCNN车位检测算法中的区域卷积神经网络(Regions with Convolution Neural Network,RCNN)分支网络进行车位检测,实现Keypiont分支进行车位8个关键点的预测。实验结果表明,改进后的C-Mask-RCNN车位检测算法较Mask-RCNN算法在车位类型识别平均精确率上提升7.4%,在车位状态识别平均精确率上提升11.1%,并且车位线关键点预测的平均像素误差减少15.1 px。 展开更多

关键词 车位检测 掩膜区域卷积神经网络 注意力机制 关键点预测

下载PDF 职称材料

结合Faster R-CNN与Grabcut算法的服装图像自动分割 被引量：3

18

作者 杨思 徐增波 陈冲 《智能计算机与应用》 2020年第7期306-310,共5页

为了实现服装图像自动分割处理,本文提出基于Faster R-CNN模型结合GrabCut的图像分割方法。利用快速区域卷积神经网络的基本框架,将街拍图的待检测任务分为上衣、裙子、包等六个类别,对原有的基本框架模型的全连接层参数进行调整,得到... 为了实现服装图像自动分割处理,本文提出基于Faster R-CNN模型结合GrabCut的图像分割方法。利用快速区域卷积神经网络的基本框架,将街拍图的待检测任务分为上衣、裙子、包等六个类别,对原有的基本框架模型的全连接层参数进行调整,得到前景目标框作为GrabCut分割算法的初始框,再使用GrabCut算法进行服装区域提取,从复杂背景的图片中定位服装位置,去除复杂背景,实现服装区域分割。实验结果显示,本文方法能够很好的实现服装自然轮廓检测和提取,适用于图像局部弱轮廓边缘的检测及大批量服装图像分割处理,并且可供大批量处理图片时选择性自动款式类别提取,提高了服装图像分割处理的效率。 展开更多

关键词 服装图像分割 快速区域卷积神经网络 GrabCut分割算法 轮廓检测

下载PDF 职称材料

融合注意力机制Mask RCNN的桥小脑角区听神经瘤和脑膜瘤的识别研究

19

作者 胡小洋 刘颖 +1 位作者 陈淑 董彬彬 《波谱学杂志》 CAS 北大核心 2023年第3期293-306,共14页

为探讨采用T1WI增强图像,利用融合注意力机制的掩膜区域神经网络(Mask RCNN)模型实现对桥小脑角区听神经瘤和脑膜瘤的识别.本文回顾性收集经病理或临床诊断确诊的脑膜瘤116例和听神经瘤427例,经图像筛选后共采用脑膜瘤872张和听神经瘤2... 为探讨采用T1WI增强图像,利用融合注意力机制的掩膜区域神经网络(Mask RCNN)模型实现对桥小脑角区听神经瘤和脑膜瘤的识别.本文回顾性收集经病理或临床诊断确诊的脑膜瘤116例和听神经瘤427例,经图像筛选后共采用脑膜瘤872张和听神经瘤2467张.按近似7:1.5:1.5的比例分为训练集、验证集和测试集.对图像进行预处理后,采用以Resnet50、Resnet101和VGG19为主干网络的Mask RCNN模型,以及融合卷积注意力机制的Mask RCNN模型Resnet101-CBAM和VGG19-CBAM对桥小脑角区听神经瘤和脑膜瘤进行检测和病灶分割.并使用均值平均精度(mean average precision,mAP)和均值平均召回率(mean average recall,mAR)评价模型性能.测试集结果显示卷积注意力机制可以提升模型性能,VGG19-CBAM模型在5个模型中综合性能最高,在分类和病灶分割的mAP分别为0.932和0.930.这表明融合注意力机制的Mask RCNN模型对桥小脑角区听神经瘤和脑膜瘤的识别较为理想,可为诊断和靶区勾画提供参考,提高临床工作效率. 展开更多

关键词 掩膜区域神经网络 卷积注意力模块 听神经瘤 脑膜瘤 磁共振图像

下载PDF 职称材料

应用通道增强MSER与CNN的维吾尔文本区域定位

20

作者 艾合麦提江·麦提托合提 艾斯卡尔·艾木都拉 阿布都萨拉木·达吾提 《计算机工程与应用》 CSCD 北大核心 2020年第16期132-138,共7页

为了准确有效地定位出图像中的维吾尔文本区域,提出了一种基于通道增强最大稳定极值区域(Maximally Stable Extremal Region,MSER)和卷积神经网络(Convolutional Neural Network,CNN)的图像文本区域定位方法。应用通道增强MSER提取候选... 为了准确有效地定位出图像中的维吾尔文本区域,提出了一种基于通道增强最大稳定极值区域(Maximally Stable Extremal Region,MSER)和卷积神经网络(Convolutional Neural Network,CNN)的图像文本区域定位方法。应用通道增强MSER提取候选区域,根据文本特征的启发式规则以及CNN分类结果去除非文本和重复区域,通过区域融合算法得到词级别文本区域,根据该区域的色彩相近程度和空间关系召回遗漏的文本区域,并通过CNN网络对召回的区域分类融合,定位出图像文本区域。实验结果表明,该方法可以准确有效地定位文本区域,具有鲁棒性和应用性。 展开更多

关键词 图像文本 维吾尔文本区域定位 通道增强MSER 卷积神经网络 区域融合算法

下载PDF 职称材料