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8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：
基于迁移学习和R-FCN的电力设备红外图像识别算法 被引量：18
1
作者 王勋 毛华敏 +2 位作者 李唐兵 曾晗 程宏波 《传感器与微系统》 CSCD 北大核心 2021年第1期147-150,共4页
电力设备类型的准确识别是实现红外图像智能诊断的前提。针对电力设备红外图像数量多、识别任务重等问题,采用迁移学习和基于区域的全卷积网络(R-FCN)算法实现电力设备红外图像的智能识别。首先,利用Labelimg软件制作电力设备红外图像... 电力设备类型的准确识别是实现红外图像智能诊断的前提。针对电力设备红外图像数量多、识别任务重等问题,采用迁移学习和基于区域的全卷积网络(R-FCN)算法实现电力设备红外图像的智能识别。首先,利用Labelimg软件制作电力设备红外图像数据集;然后,基于迁移学习的原理,选择在VOC数据集上表现优秀的识别算法R-FCN;最后,将R-FCN检测模型分别与2种不同大小的卷积神经网络结合,并利用在线难例挖掘(OHEM)改进算法。实验结果表明:在相同样本条件下,以上提出的算法能够快速有效地识别电力设备红外图像,精度达到0.9143,具有较好的准确性和鲁棒性。该算法为电力设备红外图像热故障诊断提供诊断基础。 展开更多
关键词 电力设备 目标识别 迁移学习 基于区域的全卷积网络(r-fcn)
下载PDF
改进HSR-FCN的服装图像识别分类算法研究 被引量：10
2
作者 高妍 王宝珠 +1 位作者 郭志涛 周亚同 《计算机工程与应用》 CSCD 北大核心 2019年第16期144-149,共6页
目前网络上的服装图像数量增长迅猛,对于大量服装图像实现智能分类的需求日益增加。将基于区域的全卷积网络(Region-Based Fully Convolutional Networks,R-FCN)引入到服装图像识别中,针对服装图像分类中网络训练时间长、形变服装图像... 目前网络上的服装图像数量增长迅猛,对于大量服装图像实现智能分类的需求日益增加。将基于区域的全卷积网络(Region-Based Fully Convolutional Networks,R-FCN)引入到服装图像识别中,针对服装图像分类中网络训练时间长、形变服装图像识别率低的问题,提出一种新颖的改进框架HSR-FCN。新框架将R-FCN中的区域建议网络和HyperNet网络相融合,改变图片特征学习方式,使得HSR-FCN可以在更短的训练时间内达到更高的准确率。在模型中引入了空间转换网络,对输入服装图像和特征图进行了空间变换及对齐,加强了对多角度服装和形变服装的特征学习。实验结果表明,改进后的HSR-FCN模型有效地加强了对形变服装图像的学习,且在训练时间更短的情况下,比原来的网络模型R-FCN平均准确率提高了大约3个百分点,达到96.69%。 展开更多
关键词 服装图像 深度学习 图像分类 基于区域的全卷积网络(r-fcn) HyperNet 区域建议网络 空间转换网络
下载PDF
基于R-FCN的行人检测方法研究 被引量：8
3
作者 蒋胜 黄敏 +1 位作者 朱启兵 王正来 《计算机工程与应用》 CSCD 北大核心 2018年第18期180-183,262,共5页
行人检测是计算机视觉中的研究热点,为了实现复杂场景下的行人检测,将基于区域的全卷积网络(Regionbased Fully Convolutional Networks,R-FCN)引入行人检测中。针对行人检测中的遮挡、背景混淆干扰、小目标这三个难点,修改了R-FCN的搜... 行人检测是计算机视觉中的研究热点,为了实现复杂场景下的行人检测,将基于区域的全卷积网络(Regionbased Fully Convolutional Networks,R-FCN)引入行人检测中。针对行人检测中的遮挡、背景混淆干扰、小目标这三个难点,修改了R-FCN的搜索机制,引入目标行人的区域划分(上下半身)和背景混淆干扰行人的强化学习策略,加强了对遮挡行人和背景相似行人的学习。并在此基础上,对R-FCN的输出进行二次分类学习。实验结果表明,通过对R-FCN的改进,可有效地缓解行人遮挡、背景混淆干扰和小目标条件下,传统R-FCN网络的漏报和误判问题。 展开更多
关键词 基于区域的全卷积网络(r-fcn) 遮挡 背景混淆干扰 二次分类
下载PDF
基于改进的R-FCN带纹理透明塑料裂痕检测 被引量：2
4
作者 关日钊 陈新度 +1 位作者 吴磊 徐焯基 《计算机工程与应用》 CSCD 北大核心 2019年第6期168-172,264,共6页
为了解决利用传统的机器学习方法来检测带纹理透明塑料裂痕的检测精度和识别率不高的问题,提出一种改进的基于区域的全卷积网络(Region-based Fully Convolutional Networks,R-FCN)检测方法,通过对R-FCN中的残差网络(Residual Network,R... 为了解决利用传统的机器学习方法来检测带纹理透明塑料裂痕的检测精度和识别率不高的问题,提出一种改进的基于区域的全卷积网络(Region-based Fully Convolutional Networks,R-FCN)检测方法,通过对R-FCN中的残差网络(Residual Network,ResNet)特征提取网络进行混合尺度感受野融合处理,弥补了原网络对微小裂痕敏感度不高的缺点。实验表明,改进后的R-FCN检测方法的裂痕检测精度比基于传统机器学习支持向量机(Support Vector Machine,SVM)检测方法的裂痕检测准确率高20%左右,比未改进的R-FCN检测方法的检测准确率高8%,证明了该方法的有效性。 展开更多
关键词 裂痕检测 支持向量机(SVM) 基于区域的全卷积网络(r-fcn) 残差网络(resNet) 感受野
下载PDF
多尺度级联R-FCN的尾灯检测算法研究 被引量：1
5
作者 白博 谢刚 续欣莹 《计算机工程与应用》 CSCD 北大核心 2020年第6期194-200,共7页
前方车辆尾灯检测是自动驾驶中环境感知的研究热点,为在复杂城市环境下实时检测车辆尾灯,将基于区域的全卷积网络(Region-based Fully Convolutional Networks,R-FCN)引入尾灯检测,提出了一种基于多尺度级联R-FCN的车辆尾灯检测算法。... 前方车辆尾灯检测是自动驾驶中环境感知的研究热点,为在复杂城市环境下实时检测车辆尾灯,将基于区域的全卷积网络(Region-based Fully Convolutional Networks,R-FCN)引入尾灯检测,提出了一种基于多尺度级联R-FCN的车辆尾灯检测算法。通过网络中的跨层连接融合尾灯的底层特征和高层语义,并加入批次归一化层加快网络的收敛速度,得到改进的R-FCN子网络,将一系列在不同交并比输入数据上训练的R-FCN子网络级联得到最终的检测网络。同时预测阶段采用改进的非极大值抑制获得最精准的检测结果。检测结果表明,该方法在CVPR数据集上获得总体94.04%的平均精度,单张图片平均检测耗时31 ms,在检测速度和精度上均有较好的性能。 展开更多
关键词 车辆尾灯检测 基于区域的全卷积网络(r-fcn) 级联网络 多尺度特征融合 批次归一化 非极大值抑制
下载PDF
基于R-FCN的航拍巡检图像目标检测方法 被引量：37
6
作者 刘思言 王博 +3 位作者 高昆仑 王岳 高畅 陈江琦 《电力系统自动化》 EI CSCD 北大核心 2019年第13期162-168,共7页
航拍巡检是输电线路巡检的主要方式之一,目前的航拍巡检方式效率较低,受巡检员主观因素影响大,亟需一种智能检测算法自动定位并识别输电线路巡检图片中的故障。基于深度学习的航拍巡检图像目标检测技术作为一种可能的解决方案,得到了广... 航拍巡检是输电线路巡检的主要方式之一,目前的航拍巡检方式效率较低,受巡检员主观因素影响大,亟需一种智能检测算法自动定位并识别输电线路巡检图片中的故障。基于深度学习的航拍巡检图像目标检测技术作为一种可能的解决方案,得到了广泛关注。提出了一种利用基于区域的全卷积网络(R-FCN)的航拍巡检图像目标检测方法,并利用在线困难样本挖掘(OHEM)、样本优化、软性非极大值抑制(Soft-NMS)等改进方法进行优化。实验证明,所提方法具有目标定位准确、平均准确率高、单模型可同时检测目标种类多等特点。 展开更多
关键词 深度学习 基于区域的全卷积网络 目标检测 航拍巡检 故障识别
下载PDF
电力巡检图像中防振锤的区域全卷积网络识别方法 被引量：6
7
作者 罗玉鹤 庞红旗 +2 位作者 高飞翎 白文博 陈静 《福州大学学报（自然科学版）》 CAS 北大核心 2020年第6期714-719,共6页
针对目前电力巡检图像中传统的防振锤检测方法仍存在效率低、精度差、计算成本高等问题,提出一种基于区域全卷积网络(region-based fully convolutional networks,R-FCN)的电力巡检图像防振锤智能识别方法.该方法通过特征提取网络自动... 针对目前电力巡检图像中传统的防振锤检测方法仍存在效率低、精度差、计算成本高等问题,提出一种基于区域全卷积网络(region-based fully convolutional networks,R-FCN)的电力巡检图像防振锤智能识别方法.该方法通过特征提取网络自动提取防振锤特征,省却了传统检测方法特征提取的过程,提高了效率.此外,在R-FCN网络中采用位置敏感池化来引入平移变换,抵消全卷积网络造成的平移不变性问题,在检测精度和效率上均有较大提高.实验结果表明,该方法能准确检测出复杂背景下不同形态的防振锤,平均准确率高达88%,具有较强的鲁棒性. 展开更多
关键词 目标检测 区域全卷积网络 深度学习 卷积网络
下载PDF
基于改进R-FCN的交通标志检测 被引量：4
8
作者 喻清挺 喻维超 喻国平 《计算机工程》 CAS CSCD 北大核心 2021年第12期285-290,298,共7页
为在交通标志检测过程中同时满足精度和速度的需求,建立一种改进的基于区域全卷积网络(R-FCN)的交通标志检测模型。通过K-means聚类算法对数据集进行分析,选择合适的锚点框。对特征提取网络ResNet101进行结构简化,只使用前25层来提取特... 为在交通标志检测过程中同时满足精度和速度的需求,建立一种改进的基于区域全卷积网络(R-FCN)的交通标志检测模型。通过K-means聚类算法对数据集进行分析,选择合适的锚点框。对特征提取网络ResNet101进行结构简化,只使用前25层来提取特征,以缩短检测时间。在模型中引入可变形卷积和可变形位置敏感RoI池化层,以提高模型对交通标志的感应能力。模型训练过程中使用在线困难样本挖掘策略从而减少简单样本数量。在交通标志检测数据集GTSDB上的实验结果表明,该模型对交通标志位置信息较敏感,AP50和AP75指标分别达到97.8%和94.7%,检测时间缩至48 ms,检测精度与速度优于Faster R-CNN、R-FCN等模型。 展开更多
关键词 交通标志 区域全卷积网络 resNet101网络 可变形卷积 可变形位置敏感roI池化
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