典型文献
基于Cascade RCNN和二步聚类的织物疵点检测
文献摘要：
提出一种改进的基于深度卷积网络Cascade RCNN的织物疵点检测算法.针对织物存在疵点长宽比极端、疵点小以及疵点类间数量不均衡导致识别准确率低的问题,引入特征金字塔网络(FPN)和深度残差网络(ResNet101)进行高低层特征融合,获取更全面的织物疵点多尺度特征信息.采用二步聚类算法确定适用于极端形状疵点检测的预定义框最佳尺寸.采用改进的Cascade RCNN网络构架和二步聚类法确定的预定义框进行织物疵点检测试验.结果表明:改进后疵点识别准确率最高可达到98.4％.认为:改进特征提取网络和适用于极端形状疵点的预定义框能有效提高织物疵点识别准确率和定位精度.
文献关键词：
Cascade RCNN模型;二步聚类法;织物疵点;深度残差网络;金字塔网络;预定义框
中图分类号：
作者姓名：
叶舒婷;游思晴;郝灿;程智;王颖
作者机构：
北京物资学院,北京,101149;中国科学院微电子研究所,北京,100029;中国科学院大学,北京,100049
文献出处：
引用格式：
[1]叶舒婷;游思晴;郝灿;程智;王颖-.基于Cascade RCNN和二步聚类的织物疵点检测)[J].棉纺织技术,2022(07):24-29
A类：
预定义框,二步聚类法
B类：
Cascade,RCNN,织物疵点检测,深度卷积网络,检测算法,长宽比,识别准确率,特征金字塔网络,FPN,深度残差网络,ResNet101,低层,特征融合,多尺度特征,特征信息,聚类算法,构架,检测试验,改进特征,特征提取网络,定位精度
AB值：
0.166903
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。
