典型文献
基于改进Faster R-CNN的铝材板缺陷检测研究
文献摘要：
针对Faster R-CNN算法对于铝材板缺陷中大小跨度大的缺陷以及缺陷定位不准确的问题,提出改进Faster R-CNN用于铝材板缺陷检测.首先将VGG16特征提取网络替换为ResNet-101融合特征金字塔FPN,以提升模型对尺寸大小跨度大的缺陷的检测能力;其次,针对一些宽高比相差悬殊的铝材板缺陷定位不准问题提出K-means++聚类算法,用聚类结果调整基础锚框宽高比,使得模型更好框住缺陷以及一定程度上提升模型检测准确度.改进Faster R-CNN模型相比于传统Faster R-CNN模型准确率由79.5％提升至92.93％.
文献关键词：
深度学习;目标检测;铝型材板;表面缺陷;卷积神经网络
中图分类号：
作者姓名：
马佳;汪再秋
作者机构：
内蒙古科技大学信息工程学院,内蒙古包头 014010
文献出处：
引用格式：
[1]马佳;汪再秋-.基于改进Faster R-CNN的铝材板缺陷检测研究)[J].内蒙古科技大学学报,2022(04):372-377
A类：
铝型材板
B类：
Faster,铝材,缺陷检测,小跨度,跨度大,缺陷定位,VGG16,特征提取网络,ResNet,融合特征,特征金字塔,FPN,检测能力,宽高比,相差悬殊,means++,聚类算法,锚框,框住,模型检测,检测准确度,模型准确率,目标检测,表面缺陷
AB值：
0.407454
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。
