基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为了解决工厂实际中遇到的铝材表面缺陷问题,本文介绍了基于R-CNN上发展的Faster R-CNN与Cascade R-CNN算法,并且简要概述了利用特征金字塔网络来解决Faster R-CNN在处理多尺度检测问题上的不足,还提出了通过改进RPN来加强Faster R-CNN的检测准确率,利用残差网络ResNet50替换了原始网络,增强其检测效果.
推荐文章
基于FasterR-CNN模型的木材表面节子缺陷检测
深度学习
节子检测
FasterR-CNN
缺陷定位
一种基于Faster R-CNN模型的虹膜检测改进方法
虹膜检测
Faster R-CNN
虹膜定位
目标检测
基于支持向量机的瑕疵检测算法
瑕疵检测
支持向量机
灰度直方图
基于图像能量的布匹瑕疵检测方法
纹理
频谱
能量
边缘检测
瑕疵检测
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于FasterR-CNN的铝材表面瑕疵检测
来源期刊 科技风 学科
关键词 深度学习 Faster R-CNN Cascade R-CNN 瑕疵检测 残差网络
年,卷(期) 2021,(16) 所属期刊栏目 电子信息
研究方向 页码范围 83-84
页数 2页 分类号
字数 语种 中文
DOI 10.19392/j.cnki.1671-7341.202116039
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (2)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(1)
  • 参考文献(1)
  • 二级参考文献(0)
2021(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
深度学习
Faster R-CNN
Cascade R-CNN
瑕疵检测
残差网络
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
科技风
旬刊
1671-7341
13-1322/N
16开
河北省石家庄市
1988
chi
出版文献量(篇)
77375
总下载数(次)
264
总被引数(次)
119910
论文1v1指导