-
题名改进Mask R-CNN在航拍灾害检测的应用研究
被引量：9
- 1
-
-
作者
李梁
董旭彬
赵清华
-
机构
太原师范学院管理系
太原理工大学信息与计算机学院&新型传感器和智能控制教育部(山西)重点实验室微纳系统研究中心
-
出处
《计算机工程与应用》
CSCD
北大核心
2019年第21期167-176,共10页
-
基金
国家自然科学基金（No.61872261）
山西省社科联重点课题研究项目（No.SSKLZDKT2017090）
太原师范学院大学生创新创业训练项目（No.CXCY1839）
-
文摘
目标检测在众多领域具有极高的理论意义与应用价值,更稳定、更精确的目标检测方法是目前灾害检测领域研究的热点与难点。将基于深度学习的目标检测方法应用于灾害检测中,提出基于改进Mask R-CNN的航拍灾害检测方法。针对检测中出现的准确率较低,采用改进特征金字塔的结构,充分利用特征映射图的信息,提高各尺寸灾害目标的检测精度;并引入在线困难样本挖掘机制,解决正负样本不均衡的问题,减少误检率和漏检率。同时采用多部件结合的方法剔除误检目标。为验证该方法的有效性,在Tensorflow深度学习框架上,选取不同高度的森林火灾、滑坡、泥石流、地震航拍图像进行验证实验。结果表明,该方法能实现对不同类型的灾害进行快速而又准确的检测,同时对基于其他应用背景的目标识别研究也具有一定的参考意义。
-
关键词
深度学习
灾害检测
特征金字塔
在线困难样本挖掘
多部件结合
-
Keywords
deep learning
disaster detection
feature pyramid
online difficult sample mining
multi-part combination
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于深度学习的PCB缺陷检测方法研究
被引量：5
- 2
-
-
作者
穆莉莉
伍习东
丰韦
-
机构
安徽理工大学机械工程学院
-
出处
《佳木斯大学学报（自然科学版）》
CAS
2022年第1期116-119,共4页
-
文摘
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。
-
关键词
Faster
R-CNN
PCB缺陷
特征金字塔网络
在线困难样本挖掘
-
Keywords
Faster R-CNN
PCB defects
feature pyramid network
online difficult sample mining
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
