典型文献
基于改进级联R-CNN的面料疵点检测方法
文献摘要：
由于布匹疵点种类分布不均,部分疵点具有极端的宽高比,而且小目标较多,导致检测难度大,因此提出一种改进级联R-CNN的布匹疵点检测方法.针对小目标问题,在R-CNN部分采用在线难例挖掘,加强对小目标的训练;针对布匹疵点极端的长宽比,在特征提取网络中采用了可变形卷积v2来代替传统的正方形卷积,并结合布匹特征重新设计边界框比例.最后采用完全交并比损失作为边界框回归损失,获取更精确的目标边界框.结果表明:对比改进前的模型,改进后的模型预测边界框更加精确,对小目标的疵点检测效果更好,在准确率上提升了3.57％,平均精确度均值提升了6.45％,可以更好地满足面料疵点的检测需求.
文献关键词：
级联R-CNN;面料疵点;检测;可变形卷积v2;在线难例挖掘;完全交并比损失
中图分类号：
作者姓名：
许胜宝;郑飂默;袁德成
作者机构：
沈阳化工大学,计算机科学与技术学院,沈阳 110142;中国科学院沈阳计算技术研究所,沈阳 110168;沈阳中科数控技术股份有限公司,沈阳 110168;沈阳化工大学,信息工程学院,沈阳 110142
文献出处：
引用格式：
[1]许胜宝;郑飂默;袁德成-.基于改进级联R-CNN的面料疵点检测方法)[J].现代纺织技术,2022(02):48-56
A类：
完全交并比损失
B类：
进级,面料疵点,点种,种类分布,宽高比,小目标,布匹疵点检测,在线难例挖掘,长宽比,特征提取网络,可变形卷积,v2,正方形,重新设计,边界框回归,进前,检测效果
AB值：
0.197056
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。
