基于改进Faster R-CNN的纸病检测算法

摘要

目的达到纸病检测中能够充分提取纸病特征、提高检测精度、降低小目标漏检率的目标。方法基于Faster R-CNN的检测算法进行改进,主要改进的做法是利用深度残差网络ResNet-50替换原模型的骨干特征提取网络VGG16,以保留更多的纸病特征信息,增强特征网络对纸张缺陷的提取能力;在算法中添加空间和通道的双重注意力机制CBAM,用来提高纸病检测精度;将ROI-Pooling替换为ROI-Align,增强网络的泛化能力。结果实验结果表明,改进后的算法平均精度达到98%,较原算法平均精度提升了9%。结论改进后的算法能够充分提取纸病特征信息,有效提高了纸病的检测精度,以及提高了小目标纸病的检测率,降低了错漏检率。