effect and low accuracy due to complex detection environment, high similarity of instrument panels, multiple category classification and other interference in industrial scenes, an automatic instrument recognition method based on improved faster regional convolutional neural network (Fast...
目标检测主要分为两类:一类是基于候选框的R-CNN(Region Convolutional Neural Network)系列算法,如R-CNN、Fast R-CNN(Fast Region Convolutional Neural Network)、Faster R-CNN(Faster Region Convolutional Neural Network)[2],它们是生成候选框后进行分类和位置回归;另一类是YOLO(You Only Look Once)[3]、SSD(Si...
(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...
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
在实际应用中,基于Faster R-CNN的设备开关状态识别方法能够有效识别各种电气设备的开关状态,为智能电网的自动监测与维护提供支持。这种技术不仅能提高设备故障预警能力,还能降低人工检查的频率,从而节约人力成本与时间,提高工作效率。尤其在面对大型电网维护时,这种智能识别技术的应用显得尤为重要,因为它可以实时监测成千上万...
金融界2025年1月15日消息,国家知识产权局信息显示,国网新源控股有限公司取得一项名为“一种基于改进Faster RCNN的设备开关状态识别方法”的专利,授权公告号CN 114067297 B,申请日期为2…
通过DSRCNN网络优化VGG16、VGG19作为对比实验一和对比实验二、文献[25]所提方法作为对比实验三、以及MSCNN算法,与本文算法进行实验对比验证。结果表明本文提出的改进Faster R-CNN算法在两种缺陷占比均为0.15%的图像中可以实现缺陷自动判识分类,平均识别正确率达93.5%。缺陷识别的部分结果如图8所示,算法性能如表3所示。
基于改进的Faster R-CNN贝类识别检测
互联网 行业资料 政务民生 说明书 生活娱乐 搜试试 续费VIP 立即续费VIP 会员中心 VIP福利社 VIP免费专区 VIP专属特权 客户端 登录 百度文库 互联网 基于改进Faster R-CNN的铁路接触网绝缘子识别©2022 Baidu |由 百度智能云 提供计算服务 | 使用百度前必读 | 文库协议 | 网站地图 | 百度营销 ...