目标检测是计算机视觉研究中的热门问题,其中加速区域卷积神经网络(Faster R-CNN)对目标检测具有指导意义.针对Faster R-CNN算法在目标检测中准确率不高的问题,先对数据进行增强处理;然后对提取的特征图进行裁剪,利用双线性插值法代替感兴趣区域池化操作,分类时采用软非极大值抑制(Soft-NMS)算法.实验结果表明,该算法在...
来换取目标检测速度的方法。基于分类的目标检测算法的典型代表是Fastw -RCNN 算 法。文献[3]中的算法主要使用卷积神经网络通过搜索的方 法选择出待检测图像中的候选区来进行高层次的特征提取和 表示，然后再采用分类算法进行目标识别。Faster -RCNN 模 型的诞生[7]提高RCNN 模型的检测精度和速度。但是Faster -R...
基于改进的Faster R-CNN目标检测算法研究.pdf,摘要 基于改进的Faster R-CNN 目标检测算法研究 近年来,计算机视觉在日常生活中的重要作用日益凸显。目标检测作为计算 机视觉的基本工作之一,得到了普遍的应用,不仅可以对目标进行识别还可以对 图片、视频等资料进行解释,可
基于改进的FasterR-CNN目标检测算法研究刘琳吉林大学分分类号:TP391单位代码:10183研究生学号:01854405密级:公开吉林大学硕士学位论文(专业学位)基于改进的FasterR-CNN目标检测算法研究ResearchonObjectDetectionAlgorithmBasedonImprovedFasterR-CNN作作者姓名:刘琳
结果表明，提出的算法在对目标进行有效检测的同时，定位效果比Faster RCNN更加精确，实现了边界框的精准回归。关键词目标检测；卷积神经网络(CNN)；定位精度；改进Faster RCNN；分裂机制 0引言 目标检测,就是将目标定位和目标分类结合起来,利用图像处理、机器学习等技术,识别图片中是否存在事先定义的类别目标物体，如果...
3、一种基于改进faster rcnn算法的目标识别检测方法,其包括如下过程: 4、s1:基于faster rcnn算法创建一个改进的目标识别检测模型。目标识别监测模型的输入为待识别的图像,输出为待检测框的包含检测目标的图像。目标识别检测模型的结构如下: 5、(1)采用vgg-16作为基础的骨干网络。
2. 中车株洲电力机车研究所有限公司,湖南 株洲 412001) 摘要:地铁列车的焊接缺陷严重威胁到列车运行安全,针对目前地铁车辆铝合金车体焊缝检测存在漏检错检问题,提出一种基于改进Faster R-CNN识别焊缝缺陷的方法。运用ABAQUS对铝合金车体焊缝缺陷进行建模仿真,获得多组同类缺陷信号图。基于Faster R-CNN框架对缺陷进行分类,...
一种基于改进FasterR-CNN的目标检测算法专利信息由爱企查专利频道提供,一种基于改进FasterR-CNN的目标检测算法说明:本发明涉及了一种基于改进Faster...专利查询请上爱企查
CNN算法中区域建议网络的实现方法,并在区域建议网络的包围盒尺寸设置中引入了K-Means聚类算法,通过聚类方法对图像中目标大小进行聚类分析,将聚类结果直接输入区域建议网络中,从而实现对Faster R-CNN算法中的区域建议网络进行改进.对舰船目标的检测与识别的,实验结果表明:该方法在提高了Faster R-CNN算法识别精度的同时,...
(2)针对综放工作面高浓度粉尘环境特征,提出了融合暗通道去雾处理和模糊集增强的图像预处理方法,图像预处理操作后放落煤矸识别精确率大幅增加。 (3)提出了一种综采工作面粉尘因素影响下煤矸放落瞬态煤矸目标检测方法,将注意力机制算法融入Faster-R-CNN的ResNet50特征提取网络,增强了提取煤与矸石权重信息的能力,重点...