-
题名引入注意力机制的蚕茧识别算法
被引量：3
- 1
-
-
作者
陈国栋
-
机构
苏州大学
-
出处
《纺织报告》
2020年第11期23-25,28,共4页
-
文摘
当前,蚕茧识别方法大多使用费时费力的人工检测,利用Faster R-CNN目标检测框架进行自动识别来节约成本。Faster R-CNN在分类回归任务前对每张蚕茧图片进行特征提取,在提取特征过程中,下采样的pooling操作导致部分特征丢失,对蚕茧类等尺寸较小的物体检测率较低,存在容易漏检、误检等缺陷。针对缺陷提出了加入注意力机制的Faster R-CNN算法,主要思想是使用空洞卷积代替下采样过程的pooling操作,对输出的特征图经过注意力机制网络进行微调,减少高层次特征损失。蚕茧数据集上的实验表明,修改后的算法平均mAP提高了2.5%。
-
关键词
蚕茧识别
Faster
R-CNN
注意力机制
空洞卷积
-
Keywords
cocoon identification
Faster R-CNN
attention mechanism
empty convolution
-
分类号
TP312
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于EfficientDet的蚕茧识别方法
被引量：1
- 2
-
-
作者
汪小东
叶飞
王启真
李子印
杨娟亚
-
机构
湖州市质量技术监督检测研究院
中国计量大学
-
出处
《蚕桑通报》
2022年第4期31-34,共4页
-
基金
浙江省市场监督管理局科研计划项目(20210146)
浙江省市场监督管理局雏鹰计划培育项目(CY2022352)
+1 种基金
浙江省基础公益研究计划项目(LGN20F050001)
国家市场监督管理总局科技计划项目(2022MK048)。
-
文摘
蚕茧是纺织品重要的原材料,带有缺陷的蚕茧会对纺织品质量造成影响,目前人工检测的效率低,成本高,针对这一问题提出通过深度学习技术提高蚕茧缺陷检测的效率。本文首先通过左下角填充算法构造多蚕茧同时识别数据集,然后利用EfficientDet网络模型对该数据集进行识别,最后通过实验比较EfficientDet-D0、YOLOv5s、SSD神经网络在构建的数据集上的性能,实验结果表明EfficientDet-D0网络模型的mAP为82.4%,优于另外2种算法,具有较好的准确率。
-
关键词
蚕茧识别
左下角填充
EfficientDet
深度学习
-
Keywords
Cocoon recognition
Lower left corner filling
EfficientDet
Deep learning
-
分类号
TS141.8
[轻工技术与工程—纺织材料与纺织品设计]
-
