Faster R-CNN

摘要： 针对在PCB生产过程中出现漏孔、鼠咬、开路、短路、毛刺、余铜、灰尘、划痕等缺陷而影响其后期使用的问题,提出了一种基于Faster R-CNN算法的PCB缺陷检测方法.该方法以ResNet-101为基础骨干网络构建特征金字塔网络,采用Soft-NMS算法对预选框进行筛选,然后使用在线困难样本挖掘方法,将损失值较高的困难样本集中进行处理,提高网络对复杂PCB缺陷样本检测的精确度.实验结果表明,改进后的Faster R-CNN缺陷检测方法可以对各类PCB缺陷进行准确定位和分类,平均检测精度达到93.76％,相较于传统Faster R-CNN方法提高了24.5个百分点,对PCB缺陷全自动检测的研究有一定参考价值.

摘要： 针对目前风电塔筒焊缝缺陷人工检测或自动检测方法中存在的安全性差、效率低和准确率低等问题,提出一种改进Faster R-CNN焊缝缺陷检测方法。首先,制作焊缝缺陷样本数据集,并对有限的数据集通过数据增强技术进行样本扩充,改进RPN网络,利用K-means聚类方法生成更加接近目标区域的anchor box;同时结合ResNet深度残差网络,获取更小的焊缝缺陷细节特征,最后为了能获得精确的缺陷位置,采用一种基于IOU(intersection over union)值的三层级联结构。实验结果表明,改进后的Faster R-CNN模型对5种焊缝样本的检测mAP值为89.6%,对工厂的实际操作有较高的应用价值。

摘要： 近年来,国内各大猪场都出现了非洲猪瘟疾病,给养殖户造成了巨大的经济损失,加速了生物安全等级的提高。为了尽可能地减少人和动物之间的接触,实现智能化养殖管理,必须为每个动物个体建立相应的管理档案。为此,本文提出了一种基于多目标跟踪方法的猪只个体识别算法。采用改进后的Faster R-CNN作为目标检测网络,对视频中的每一帧图像进行目标检测。使用上一帧的目标检测框来预测当前帧目标检测框的位置,实现目标轨迹的连续追踪,从而完成猪只个体识别任务。此外,本文采集了实际猪场视频数据,参照MOT16数据集的格式,制作了猪只个体识别数据集,验证了本文算法的有效性。实验结果显示,本文所提算法的多目标跟踪(MOT)指标均达到了实际应用标准,对智能化的生物防疫研究有一定的参考价值。

摘要： 由于我国苹果市场分级不够严格,造成苹果附加值不高。文章提出一种利用Faster-RCNN深度学习网络检测苹果果径的方法,通过对苹果特征信息和位置回归参数的学习,识别并预测苹果在图像中的位置区域,进而根据像素点与实际尺寸的换算关系,计算得到果径大小。实验表明,该方法能够准确预测每个苹果的位置区域,具有很好的检测效果。

摘要： 移动互联网的发展使移动端知识获取模式成为时代的新宠,诗词亦是中华文化的璀璨明珠,诗词学习与移动学习的联合已迫在眉睫.本系统使用Client/Server(客户/服务器)结构,由Faster R-CNN实现图像识别,再通过循环神经网络模型(RNN)完成古诗生成功能,最后根据协同过滤推荐算法完成个性化推荐.客户端APP以Flutter,SpringBoot框架为基础开发,数据库采用了MySQL关系型数据库管理系统进行数据管理,结合服务器与系统进行连接进而实现所需功能.面向对诗词学习存在需求及抱有浓厚兴趣的人群,开发出一个致力于传承发扬中华文化,结合图像识别与深度学习技术以实现智能识图与古诗生成的诗词学习系统.

摘要： PCB印刷电路板上元器件较多且距离较小,电路走线颜色较为相近。传统检测方法基于机器视觉检测,其算法存在检测速度慢、误检率较多、能够检测出的瑕疵种类较少等问题。基于此,提出了一种基于改进Faster RCNN的印刷电路板瑕疵检测算法。该算法可以同时检测出漏孔、缺口、断路、短路、毛刺、余铜6种印刷电路板上的瑕疵。首先,采用Faster RCNN作为基础检测框架,使用金字塔特征网络(FPN)、多尺度训练、锚点框、聚类作为基础改进措施;其次,以改进后损失函数(DIoU)替换原算法中的smoothL1损失函数作为边界框定位回归的损失函数;最后,计算出在多种实验条件下的模型平均精度均值(mAP),对各种算法进行了对比。实验结果表明,原算法Faster RCNN的mAP为73.7%,改进后Faster RCNN的mAP为95.1%,相比原算法对印刷电路板瑕疵检测的mAP上升了21.4%,相比其他算法具有明显优势。

摘要： 针对现场中采集的绝缘子图像存在目标图像大小尺度不一,以及拍摄角度所造成的目标图像相互遮挡等因素而导致误检或漏检等问题,提出了一种改进的基于卷积神经网络的绝缘子图像检测方法。采用轻量化的ZF网络实现特征提取;确定优化的锚窗比例提升目标图像的检测精度;对NMS后处理算法进行了改进,提出多阶段的惩罚因子算法,适应于多尺度、多比例、绝缘子重叠遮挡等复杂情况。实验结果表明,改进后的Faster R-CNN的检测方法将AP由0.797 7提高到了0.905 8,显著地提升了绝缘子目标图像的检测精度,降低了绝缘子的漏检和误检的概率。

摘要： 目的:解决当前中国水产行业分选加工效能不足、准确率低、成本高的现状问题。方法:选用智能机器人与传统机械相结合开发新的机械结构对海产品进行分级;同时运用基于机器视觉的智能识别技术对海产品进行分类(采用了适应海产品的改进的新型Faster R-CNN算法),协同构建了一个能够智能、高效、自动分拣海产品的装备系统。结果:改进的新型Faster R-CNN算法识别技术在海产品检测中具有更高的检测准确率(海螺75.1%,扇贝80.3%,贻贝82.9%,蛤蜊86.2%)。结论:装备系统可以代替传统的人工操作模式,完成海产品的智能分拣过程。

摘要： 中国非物质文化遗产水书文化面临失传威胁,近年大量深度学习的方法用于手写古籍文字的识别.但水书古籍文字识别面临数据集建立和标注困难、样本不平衡等问题,研究进展不大,且鲜少进行水书古籍页面级的文字检测与识别.首先建立了一个较大规模的水书手写文字数据集,通过几种数据扩增方式,获得包含80个文字类别,共110610个带标签的字符样本.将Faster-RCNN(faster-region based convolutional neural network)算法应用到水书古籍文字识别研究上,以不同组合的数据集作为输入进行实验,在全部80个目标类别上获得了91.95%的平均识别率,实现了页面级的端到端的水书古籍文字的准确定位与识别.实验结果表明,Faster-RCNN模型在目前的数据集上能很好地实现水书手写文字的检测与识别,文中采用的数据扩增方式能明显提升水书手写文字的识别率,为水书文化的保护和传承提供了新思路,对于解决实际应用场景中的水书文字识别问题具有重要意义.

摘要： 针对石油化工厂中人工抄表导致的低效、高误差和成本高等弊端,以及仪表图像拍摄条件场景复杂等问题,提出了一种基于改进Faster RCNN模型的工业数字表检测方法。首先,在特征提取网络阶段对卷积层低层和高层的网络特征进行融合,提高模型对细粒度细节和小目标的敏感度;其次,结合SENet网络结构,使模型关注不同通道的重要程度,通过分配不同的学习权重来强化对目标的关注度;最后,利用RPN网络进行最后处理,提取出数字表图像的边界框位置信息。结果表明,本文提出的模型检测精度为97.3%,相对于传统目标检测算法来说能更精准地识别出数字表。

摘要： 本发明公开一种基于改进FasterRCNN算法的肺结节检测装置，包括数据采集标注模块、数据预处理模块、特征提取模块、肺结节检测与分类模块；数据采集标注模块主要进行相关数据的收集与标注，以便为后续模型学习提供真实标签；数据预处理模块主要对数据集进行数据增强以及格式转换；特征提取模块主要从图片中提取抽象特征，得到高级语义信息；肺结节检测与分类模块依据特征对图片中的肺结节进行定位和分类，输出图片中肺结节的位置坐标及类别概率。本发明对FasterRCNN进行了改进，保证准确率的同时提高了检测分类速度。

摘要： 本发明提供一种快速检测，检测精确率高的基于改进的Faster RCNN的棕榈树检测和计算方法。包括以下步骤，获取棕榈树种植园的高分辨率图像；根据高分辨率图像制作数据集，并把数据集拆分为训练数据集和测试数据集；得到的训练数据集进行标记；基于改进Faster RCNN算法，构建目标检测算法框架；利用目标检测算法框架，对标记的训练数据集进行训练，得到训练好的检测算法框架；将待检测的棕榈树数目的高分辨率图像输入到训练好的检测算法框架中进行检测并计算得到的棕榈树数目。

摘要： 本发明公开了一种基于FasterRCNN目标检测模型的户型图门窗检测方法，该方法第一步是构建门窗检测训练数据集，门窗检测训练数据集包括不同类型平面户型图的门窗信息；第二步是构建FasterRCNN目标检测模型；第三步是训练FasterRCNN目标检测模型；第四步是输入待检测的平面户型图至训练好的FasterRCNN目标检测模型进行检测，得到待检测的平面户型图的门窗信息。本发明解决了解决传统门窗检测方法检测速度不高、检测精准度不高的问题。

摘要： 本发明为一种基于FasterRCNN的遥感影像目标检测方法，涉及深度学习、目标检测技术领域，解决了传统FasterRCNN模型直接应用于遥感影像目标检测会导致小目标漏检、重复检测、误检、边框不准等情况的问题，具体包括步骤S1,获取遥感影像数据集，按照预设比例将所述遥感影像数据集划分为训练集、验证集和测试集；步骤S2，修改FasterRCNN模型的特征提取网络，进行多尺度特征融合；步骤S3，根据所述遥感影像数据集特性调整初始先验框参数以及分类后NMS的IOU值；步骤S4，将训练集和验证集输入模型训练；步骤S5，将待检测的遥感影像输入到训练好的改进FasterRCNN模型中，得到检测结果，本技术方案利于检测小目标，目标边框更准确；调整了分类后NMS的IOU阈值，改善了小目标重复检测的问题。

摘要： 本发明公开了一种基于FasterRCNN级联的电塔螺栓异常检测方法，包括数据获取及标注；Faster RCNN网络训练；螺帽缺失检测，本发明适用于深度学习中目标检测技术领域，本发明借助二级网络对螺栓进行异常检测，提升了检测精度，高效地完成日常输电线路的巡检，大大提高了巡检效率。

摘要： 本发明提供一种军用飞机的Faster RCNN目标检测算法。该方法包括：将原有特征提取网络中的池化层用步长为2的卷积层进行替换，在一定程度上保留原特征图中所有信息；并且利用两个不同的特征图进行融合处理，从而保证最终的特征图中包含低层的位置信息和高层的语义信息，如此基于该最终的特征图进行后续处理，可以提高目标检测算法的准确度。