典型文献
基于改进级联R-CNN的酒瓶瑕疵检测
文献摘要：
为降低厂家因瓶装酒瑕疵带来的不必要损失,提出一种改进的Cascade R-CNN算法模型,对酒瓶瑕疵进行检测.采用基于聚类算法的Anchor生成策略,将多尺度预测的骨干网络用作特征提取,使用感兴趣对齐层取代原先的感兴趣池化层.将改进的模型与其它基于Faster R-CNN和Cascade R-CNN的酒瓶瑕疵检测模型做消融实验,实验结果表明,该模型能够更加准确识别和定位出多类酒瓶瑕疵情况.在检测速度方面虽然略逊于其它模型,但模型检测的准确度达到了79.6％,远高于其它模型.
文献关键词：
级联卷积神经网络;酒瓶瑕疵;锚框聚类;多尺度预测;感兴趣对齐层
中图分类号：
作者姓名：
高林;张玉蓉;李升凯;朱庆港;姜旭辉
作者机构：
青岛科技大学 自动化与电子工程学院,山东 青岛 266100
文献出处：
引用格式：
[1]高林;张玉蓉;李升凯;朱庆港;姜旭辉-.基于改进级联R-CNN的酒瓶瑕疵检测)[J].计算机工程与设计,2022(02):434-442
A类：
酒瓶瑕疵,感兴趣对齐层
B类：
进级,瑕疵检测,厂家,瓶装,装酒,不必要,Cascade,算法模型,聚类算法,Anchor,生成策略,多尺度预测,骨干网络,原先,池化,Faster,检测模型,消融实验,准确识别,识别和定位,检测速度,略逊,逊于,模型检测,级联卷积神经网络,锚框聚类
AB值：
0.335093
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
