期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到4篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于Mask R-CNN的磁瓦表面缺陷检测算法 被引量：12
1
作者 郭龙源 段厚裕 +4 位作者 周武威 童光红 吴健辉 欧先锋 李武劲 《计算机集成制造系统》 EI CSCD 北大核心 2022年第5期1393-1400,共8页
磁瓦图像具有光照不均、表面纹理复杂、对比度低等特点,针对传统的缺陷检测算法难以准确分割其中缺陷的问题,提出基于掩膜区域卷积网络(Mask R-CNN)的缺陷检测算法。该算法首先通过限制对比度的自适应直方图均衡化方法对图像进行预处理... 磁瓦图像具有光照不均、表面纹理复杂、对比度低等特点,针对传统的缺陷检测算法难以准确分割其中缺陷的问题,提出基于掩膜区域卷积网络(Mask R-CNN)的缺陷检测算法。该算法首先通过限制对比度的自适应直方图均衡化方法对图像进行预处理;然后,采用残差网络50(ResNet50)构建特征金字塔网络(FPN)获取图像信息并提取特征,再采用区域建议网络(RPN)提取缺陷区域的感兴趣区域,得到相应的锚框,并通过全卷积神经网络(FCN)对感兴趣区域内部的像素类别进行预测,以实现缺陷分割;最后通过网络的全连接层实现每个感兴趣区域所属类别和相应锚框坐标的预测。实验结果表明,该算法具有较强的泛化能力,可以对表面存在大量纹理复杂、光照不均和对比度低的磁瓦图像进行精确的缺陷分割,具有较强的鲁棒性。 展开更多
关键词 表面缺陷检测 掩膜区域卷积网络 特征金字塔网络 磁瓦
下载PDF
基于多传感器融合的目标检测跟踪系统设计
2
作者 彭清祥 胡文彪 +1 位作者 童光红 陈兵 《工业控制计算机》 2024年第7期41-43,46,共4页
针对自动驾驶车辆自动跟踪人员及车辆行驶过程中的目标检测和跟踪问题,提出基于多传感器融合的目标信息检测及信息融合处理方案。利用车辆内置的三种类型的传感器,相互弥补不同工况下识别性能不足的同时,通过二维卷积网络等方法识别不... 针对自动驾驶车辆自动跟踪人员及车辆行驶过程中的目标检测和跟踪问题,提出基于多传感器融合的目标信息检测及信息融合处理方案。利用车辆内置的三种类型的传感器,相互弥补不同工况下识别性能不足的同时,通过二维卷积网络等方法识别不同传感器获取的信息,采用关联方法将不同传感器信息进行融合识别,确保在不同工况下均可识别目标物。通过提出的多传感器融合方法,车辆在结构化道路以及越野道路工况下,可以通过不同传感器的优势互补,实现不同目标的检测和跟踪功能。 展开更多
关键词 多传感器融合 目标跟踪 特征编码器网络 二维卷积网络
下载PDF
基于YOLOv3的磁瓦表面缺陷检测算法 被引量：3
3
作者 郭龙源 童光红 +5 位作者 段厚裕 赵林 李武劲 欧先锋 晏鹏程 张一鸣 《成都工业学院学报》 2019年第3期25-30,共6页
由于磁瓦缺陷本身对比度、不同缺陷特征不尽相同等原因,传统缺陷检测算法检测效果较差。针对不同缺陷特征的磁瓦缺陷检测的问题,提出了一种基于YOLOv3的磁瓦缺陷检测方法。YOLOv3借鉴Resnet的残差结构可以很轻松的构建更深的卷积网络,... 由于磁瓦缺陷本身对比度、不同缺陷特征不尽相同等原因,传统缺陷检测算法检测效果较差。针对不同缺陷特征的磁瓦缺陷检测的问题,提出了一种基于YOLOv3的磁瓦缺陷检测方法。YOLOv3借鉴Resnet的残差结构可以很轻松的构建更深的卷积网络,更深的网络可以更好地表达磁瓦缺陷的特征。同时其类似FPN的特征融合思想,可以较好地保证小缺陷样本不会出现特征丢失的情况。基于以上优点,YOLOv3很适合应用于缺陷检测。实验结果表明,该方法在检测效果上不差于基于Resnet101的FasterR-CNN的方法,而且其平均检测速度快5倍以上。 展开更多
关键词 缺陷检测 深度学习 目标检测 磁瓦
下载PDF
基于卷积神经网络的视频监控人脸识别方法 被引量：1
4
作者 晏鹏程 张一鸣 +2 位作者 童光红 黄锋 欧先锋 《成都工业学院学报》 2020年第1期26-31,共6页
视频监控中的人脸识别算法主要包含人脸检测、预处理、特征提取和特征匹配(人脸识别)4个部分,其中最重要的是人脸检测和特征匹配。视频监控图像中的人脸可能有多姿态、多尺度和局部遮挡等问题,对人脸的提取和识别有较大影响。采用基于H... 视频监控中的人脸识别算法主要包含人脸检测、预处理、特征提取和特征匹配(人脸识别)4个部分,其中最重要的是人脸检测和特征匹配。视频监控图像中的人脸可能有多姿态、多尺度和局部遮挡等问题,对人脸的提取和识别有较大影响。采用基于Haar特征的AdaBoost算法实时检测出视频中的人脸区域,获取人脸图像,通过卷积神经网络(CNN)训练得到人脸图像的深层特征,进而进行人脸识别。实验结果表明:该方法可以满足识别准确率和实时检测的要求,对视频图像中光照变化、姿态变化、尺度变化和局部遮挡等问题具有较好的鲁棒性。 展开更多
关键词 视频监控 人脸识别 卷积神经网络 人脸检测 HAAR ADABOOST
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部