基于改进Faster R-CNN的子弹外观缺陷检测
文献类型：期刊论文
| 作者 | 朱丹1,2,3,4,5 ; 佟新鑫1,2,3,5; 马晓云1,2,3,4,5; 金晨1,2,3,5
|
| 刊名 | 激光与光电子学进展
 |
| 出版日期 | 2019 |
| 卷号 | 56期号:15页码:1-8 |
| 关键词 | 目标检测 Faster R-CNN 子弹外观缺陷 K-means++ 卷积神经网络 |
| ISSN号 | 1006-4125 |
| 其他题名 | Bullet Appearance Defect Detection Based on Improved Faster Region-Convolutional Neural Network |
| 产权排序 | 1 |
| 英文摘要 | 为了实现子弹外观缺陷自动检测,解决传统机器视觉方法在缺陷检测方面手工设计目标特征耗时和泛化能力差的问题,本文提出基于Faster R-CNN的子弹外观缺陷检测模型。该模型采用卷积神经网络,可以自动提取目标特征,泛化能力强。将检测模型分别与ZFNet、VGG＿CNN＿M＿1024和VGG16结合,实验表明,与VGG16结合的检测模型的检测精度高于其余两种模型方案。针对子弹外观缺陷数据集,本文结合K-means++改进锚框的生成方法,得到基于改进Faster R-CNN的子弹外观缺陷检测模型。结果显示,改进模型在原文算法基础上精度提升至97.75%,速度达到28帧/秒。 |
| 语种 | 中文 |
| 源URL | [http://ir.sia.cn/handle/173321/24243]  |
| 专题 | 沈阳自动化研究所_光电信息技术研究室 |
| 通讯作者 | 马晓云 |
| 作者单位 | 1.辽宁省图像理解与视觉计算重点实验室 2.中国科学院光电信息处理研究室 3.中国科学院沈阳自动化研究所 4.中国科学院大学 5.中国科学院机器人与智能制造创新研究院 |
| 推荐引用方式 GB/T 7714 | 朱丹,佟新鑫,马晓云,等. 基于改进Faster R-CNN的子弹外观缺陷检测[J]. 激光与光电子学进展,2019,56(15):1-8. |
| APA | 朱丹,佟新鑫,马晓云,&金晨.(2019).基于改进Faster R-CNN的子弹外观缺陷检测.激光与光电子学进展,56(15),1-8. |
| MLA | 朱丹,et al."基于改进Faster R-CNN的子弹外观缺陷检测".激光与光电子学进展 56.15(2019):1-8. |
入库方式： OAI收割
来源：沈阳自动化研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。