本项目主要介绍在Windows场景下使用MindStudio软件,连接远程服务器配置的MindX SDK、CANN环境,采用Faster R-CNN模型对GDxray焊接缺陷数据集进行焊接缺陷检测的应用开发。 项目参考模型地址:Faster R-CNN 项目代码地址:contrib/Faster_R-CNN · Ascend/mindxsdk-referenceapps GDXray是一个公开X射线数据集,其中包括一个关...
faster-rcnn 目标检测 (1/2) 自动连播 4播放 简介 订阅合集 基于Faster-RCNN的电焊焊接缺陷检测,支持图像、视频和摄像实时检测【python源码、pytorch框架】 01:25 基于Faster-RCNN的水下垃圾检测系统,支持图像、视频和摄像实时检测【python源码、pytorch框架】 01:18 ...
王海云等人[7]提出了一种利用FPN改进Mask R-CNN算法来检测工业表面缺陷,虽然能够准确地定位和识别缺陷,但是其利用多尺度特征映射融合的方法增加了网络复杂度,导致其训练速度慢,识别耗时长。综上所述,SSD算法[8]及其变体的一阶检测器[9]更省时,在目标检测跟踪方面更具备适用性,但论检测性能而言,二阶检测器(如R-...
最后,与现有的小目标检测算法MSCNN相比,缺陷识别正确率较高,验证了本文算法在细小缺陷目标检测方面的有效性,可以为点阵结构的性能评价提供坚实的基础。 2 结论 针对复杂点阵结构内部细小缺陷智能检测问题,提出一种基于超分辨率改进Faster R-CNN模型的智能检测方法。 (1) 特征提取网络的加深有利于提高缺陷识别率,但针对...
实木板材通过CNN特征提取得到的结果见图6,实木板材缺陷最终检测结果见图7。本研究构建了Faster R-CNN检测框架,使用tensorflow开发平台可以有效地更换特征提取器,实现在多种不同的特征提取网络下不同种检测框架的检测效果。本实验采用2000张杉木缺陷图像,通过旋转30°,60°,90°,120°,150°和180°对原始图像进行数据...
为此,本文提出了一种基于改进型Faster R-CNN网络用于检测地砖缺陷。对卷积核中每个采样点位置都增加了一个偏移变量,通过这些变量,卷积核就可以在当前位置附近随意采样,而不再局限于之前的规则格点,形状多变的感受野丰富了语义信息,从而提高检测精度[3]。 本文详细内容请下载:http://www.chinaaet.com/resource/share...
本文采用 Faster RCNN 作为 PCB 缺陷检测的基本框架,其骨干网络采用多种经典的卷积神经网络模型 AlexNet、VGG16 和残差网络 ResNet 作为实验的骨干网络。第一个实验的特征提取网络是 AlexNet,并首次使用 Dropout 层,避免了模型过拟合的问...
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,并引入Unet模型和Resnet模型对原始Faster R-CNN框架进行改...
三、两阶段目标检测进阶算法 3.1 FPN多尺度检测 3.1.1 FPN结构和原理 3.1.2 FPN在Faster-RCNN中的实现 3.1.3 FPN的继续优化 3.2 Cascade RCNN(三个检测头级联调优) 3.2.1 RPN生成的Rol和真实框的loU阈值分析 3.3 Libra R-CNN 3.3.1 LibraR-CNN的特征融合 3.3.2 LibraR-CNN的采样策略 3.3.3 LibraR-CNN...
2.基于yolov8的道路缺陷识别 2.1 实验结果 原始map为0.739 检测结果 2.2 加入WIOU 涨点...