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1,694篇文章
< 1 2 … 85 >
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：
改进Faster R-CNN的光伏组件热斑缺陷识别方法
1
作者 谭小瑶 雷亮 +2 位作者 杨泛舟 李斌 易灿灿 《红外技术》 北大核心 2026年第1期105-112,共8页
光伏组件热斑缺陷直接导致光伏电站发电效率低下,甚至引发火灾。针对光伏组件热斑缺陷识别精度低的问题,提出了改进Faster R-CNN的光伏组件热斑缺陷识别方法。首先,在Faster R-CNN目标检测模型的基础上,引入ResNet101与EFPN特征金字塔... 光伏组件热斑缺陷直接导致光伏电站发电效率低下,甚至引发火灾。针对光伏组件热斑缺陷识别精度低的问题,提出了改进Faster R-CNN的光伏组件热斑缺陷识别方法。首先,在Faster R-CNN目标检测模型的基础上,引入ResNet101与EFPN特征金字塔融合网络代替VGG16,用于提升模型对小目标缺陷的检测精度;其次,使用全局平均池化代替全连接层,减少Faster R-CNN模型计算的参数量。最后,采用热重启余弦退火策略更新学习率,提升模型在训练过程中的收敛速度。经过实验验证并与其他模型对比,改进Faster R-CNN模型在光伏组件热斑缺陷识别任务中精确率达94.8%。结果表明,改进的Faster R-CNN相较于其他模型如YOLOv5和SSD,对于光伏组件热斑缺陷识别任务有良好的实用性和准确率。 展开更多
关键词 faster R-CNN 红外目标检测 热斑 光伏组件 故障诊断 ResNet101
在线阅读 下载PDF
基于改进Faster R-CNN的冬枣新鲜度判别
2
作者 戴浩天 刘文联 +2 位作者 朱美燕 张玲 朱良 《食品与机械》 北大核心 2026年第1期93-100,共8页
[目的]针对冬枣新鲜度判别需求,提出一种基于深度学习的判别方法,将冬枣分为5个新鲜度阶段,旨在提高判别准确性并减少光线反射影响。[方法]提出了一种结合高效ResNet、注意力机制与Faster R-CNN的冬枣新鲜度判别方法。利用ResNet对图像... [目的]针对冬枣新鲜度判别需求,提出一种基于深度学习的判别方法,将冬枣分为5个新鲜度阶段,旨在提高判别准确性并减少光线反射影响。[方法]提出了一种结合高效ResNet、注意力机制与Faster R-CNN的冬枣新鲜度判别方法。利用ResNet对图像进行卷积处理,提取全局特征图;通过通道注意力模块强化关键特征,结合特征金字塔网络(FPN)提取多尺度信息。Faster R-CNN从中选取候选区域,经过ROI池化后输入全连接层,通过多角度损失函数优化模型性能。通过硬度、电导率、维生素C和多酚含量等理化指标验证模型效果。[结果]改进的Faster R-CNN模型在新鲜度判别上的准确率达到98.60%。[结论]改进的Faster R-CNN模型在小规模样本下的表现优于现有方法。 展开更多
关键词 冬枣 新鲜度判别 faster R-CNN 注意力机制 特征金字塔 小规模
在线阅读 下载PDF
基于Faster R-CNN的鱼群摄食密度识别
3
作者 周磊 程锦翔 +2 位作者 朱尔汉 张新扬 徐何垚 《机械工程师》 2026年第2期119-121,126,共4页
鱼群密度识别是实现精准投喂的关键。针对目前鱼群密度识别精度低的问题,提出了一种基于Faster R-CNN的鱼群密度识别方法。该方法通过K210视觉识别系统采集到不同天气、时间段、水质情况下的鱼群图像,在CNN网络中提取特征图,同时以聚集... 鱼群密度识别是实现精准投喂的关键。针对目前鱼群密度识别精度低的问题,提出了一种基于Faster R-CNN的鱼群密度识别方法。该方法通过K210视觉识别系统采集到不同天气、时间段、水质情况下的鱼群图像,在CNN网络中提取特征图,同时以聚集密度定义鱼群摄食和不需摄食两种行为,利用区域生成网络(RPN)和Faster RCNN建立鱼群摄食密度识别模型。试验结果显示,所提方法判断准确率可达94.6%,精确率达到95.9%,能够较好地应用于精准投喂场景。 展开更多
关键词 图像识别 faster R-CNN 深度学习 鱼群密度
在线阅读 下载PDF
基于ADFaster-RCNN的肺炎检测算法
4
作者 史萌 《计算机应用文摘》 2026年第1期70-72,共3页
深度学习方法在提取肺炎周征特征时存在精度低、误报率高的问题。为提升检测效果,文章提出基于ADFater-RCNN的肺炎检测算法,通过训练通道感知模型对CT影像关键参数进行自适应调整,从而增强特征提取能力。经通道感知处理的图像输入Faster... 深度学习方法在提取肺炎周征特征时存在精度低、误报率高的问题。为提升检测效果,文章提出基于ADFater-RCNN的肺炎检测算法,通过训练通道感知模型对CT影像关键参数进行自适应调整,从而增强特征提取能力。经通道感知处理的图像输入Faster-RCNN检测框架,可实现肺炎病灶区域的精准预测。实验结果表明,该方法显著提高了检测精度与速度,降低了误报率,为医护人员提供了可靠的CT(Computed Tomography)病灶诊疗辅助。 展开更多
关键词 肺炎 CT影像 通道感知 faster-RCNN
在线阅读 下载PDF
一种改进的Faster R-CNN遥感图像多目标检测模型研究 被引量：2
5
作者 苗茹 李祎 +3 位作者 周珂 张俨娜 常然然 孟更 《计算机工程》 北大核心 2025年第8期292-304,共13页
针对遥感图像背景复杂、目标种类多和尺度差异大所造成的目标漏检和误检问题,提出一种改进Faster R-CNN多目标检测模型。首先,采用Swin Transformer来替代ResNet 50骨干网络,增强模型特征提取能力;其次,添加平衡特征金字塔(BFP)模块融... 针对遥感图像背景复杂、目标种类多和尺度差异大所造成的目标漏检和误检问题,提出一种改进Faster R-CNN多目标检测模型。首先,采用Swin Transformer来替代ResNet 50骨干网络,增强模型特征提取能力;其次,添加平衡特征金字塔(BFP)模块融合浅层和高层语义信息,进一步加强特征融合效果;最后,在分类和回归分支中,添加动态权重机制,促进网络在训练过程中更关注高质量候选框,提高目标定位和分类的精确度。在RSOD数据集上的实验结果表明,所提模型相较于Faster R-CNN模型每秒浮点运算次数(FLOPs)大幅度减少,并且模型的mAP@0.5∶0.95提高了10.7百分点,平均召回率提高10.6百分点。相较于其他主流检测模型,所提模型在降低漏检率的同时,取得了更高的精度,能显著提高复杂背景下遥感图像的检测精度。 展开更多
关键词 遥感图像 多目标检测 faster R-CNN Swin Transformer模块 平衡特征金字塔 动态权重机制
在线阅读 下载PDF
基于改进Faster R-CNN的焊缝缺陷检测方法 被引量：6
6
作者 陈利琼 梅后金 +1 位作者 胡洪宣 赵奎 《科学技术与工程》 北大核心 2025年第5期2027-2033,共7页
管道内部的焊缝缺陷是导致管道发生泄漏和破裂事故的主要原因,而X射线能够有效地检测到这些缺陷。然而,焊缝缺陷存在种类多、尺寸小和背景复杂等问题,影响检测精度。针对目前基于深度学习的焊缝缺陷检测模型对图像复杂背景和光照变化的... 管道内部的焊缝缺陷是导致管道发生泄漏和破裂事故的主要原因,而X射线能够有效地检测到这些缺陷。然而,焊缝缺陷存在种类多、尺寸小和背景复杂等问题,影响检测精度。针对目前基于深度学习的焊缝缺陷检测模型对图像复杂背景和光照变化的适应性不足、小目标检测效果不佳的问题。在快速区域卷积神经网络(faster region convolutional neural networks,Faster R-CNN)网络的主干网络上添加通道注意力机制和对残差块结构进行修改,并采用ROI Align替换传统Faster R-CNN网络的ROI Pooling的改进模型。实验结果表明:改进后的Faster R-CNN网络模型与原算法相比,平均精度值(mean average precision,mAP)和F_(1)分别比原算法提升了15.82%和16.44%,能够满足焊缝缺陷检测的高精度要求,具有重要的理论意义与良好的工程应用前景。 展开更多
关键词 深度学习 缺陷检测 X射线图像 faster R-CNN
在线阅读 下载PDF
改进Faster R-CNN的钢材表面缺陷检测 被引量：6
7
作者 冷岳峰 刘正 +1 位作者 徐宝祎 李志轩 《机械科学与技术》 北大核心 2025年第1期75-83,共9页
钢材表面缺陷检测是工业生产中至关重要的一项检测工作,针对钢材表面缺陷检测中漏检以及对于细小缺陷检测精度不佳等问题,提出了一种改进Faster R-CNN算法。在FPN(Feature pyramid networks)与RPN(Region proposal network)之间引入特... 钢材表面缺陷检测是工业生产中至关重要的一项检测工作,针对钢材表面缺陷检测中漏检以及对于细小缺陷检测精度不佳等问题,提出了一种改进Faster R-CNN算法。在FPN(Feature pyramid networks)与RPN(Region proposal network)之间引入特征融合模块与轻量化通道注意力模块,增加模型对精细特征的捕捉能力。改进模型在NEU-DET数据集上的实验结果显示,最终mAP(Mean average precision,记为m_(AP))值为80.2%,比原始模型提高了12.6%,FPS提高了40.9%。该算法能够有效提升钢材表面缺陷的检测精度,为钢材表面缺陷自动检测提供参考。 展开更多
关键词 缺陷检测 特征融合 通道注意力机制 改进faster R-CNN算法
在线阅读 下载PDF
基于Faster R-CNN的作物生物密度智能识别方法 被引量：1
8
作者 李修华 李倩 +2 位作者 张瀚文 丁璐 王泽平 《生物工程学报》 北大核心 2025年第10期3828-3839,共12页
准确获取大田作物数量和密度不仅是水肥管理按需投入的关键,也是保障作物产量和品质的关键。无人机(unmanned aerial vehicle,UAV)航拍可以快速且大面积地获取大田作物的分布图像信息,但是单一类型密集目标的准确识别对于大多数识别算... 准确获取大田作物数量和密度不仅是水肥管理按需投入的关键,也是保障作物产量和品质的关键。无人机(unmanned aerial vehicle,UAV)航拍可以快速且大面积地获取大田作物的分布图像信息,但是单一类型密集目标的准确识别对于大多数识别算法来说都是一个巨大的挑战。本研究以香蕉苗为例,通过无人机高空航拍香蕉园的图像,研究密集目标高效识别方法。本研究提出了一种“裁-识-拼”的策略,构建了一个基于改进的Faster R-CNN算法的计数方法。该方法先将包含高密集目标的图像按不同尺寸(模拟不同飞行高度)裁剪成大量图像瓦片,并采用对比度限制自适应直方图均衡化(contrast limited adaptive histogram equalization,CLAHE)算法提高图像质量,构建了包含36000张图像瓦片的香蕉苗数据集;然后采用经过参数优化的Faster R-CNN网络训练香蕉苗识别模型;最后将识别结果进行反拼接,并设计了一种边界去重算法,对最终的计数结果进行校正,以减少图像裁剪引起的香蕉苗重复识别。结果表明,经过参数优化的Faster R-CNN对不同尺寸的香蕉图像数据集的识别精度最高达到了0.99;去重算法可以将针对航拍原始图像的平均计数误差从1.60%降低到0.60%,香蕉苗的平均计数准确率达到99.4%。本研究提出的方法有效解决了高分辨率航拍图像中密集小目标识别难题,为精准农业中的作物密度智能监测提供了高效可靠的技术支撑。 展开更多
关键词 果园计数 香蕉 faster R-CNN 深度学习 去重
原文传递
改进Faster-R-CNN的输送带表面损伤检测 被引量：2
9
作者 袁媛 赵鹏举 +1 位作者 孟文俊 王航 《机械设计与制造》 北大核心 2025年第3期199-203,共5页
针对输送带在长期运转过程中易出现划伤、撕裂和破裂的损伤问题,提出了一种改进Faster-R-CNN的输送带表面损伤检测方法。该检测方法在Faster-R-CNN神经网络的基础上,首选MobileNet网络进行图像轻量化特征提取,然后在RPN模块中引入ancho... 针对输送带在长期运转过程中易出现划伤、撕裂和破裂的损伤问题,提出了一种改进Faster-R-CNN的输送带表面损伤检测方法。该检测方法在Faster-R-CNN神经网络的基础上,首选MobileNet网络进行图像轻量化特征提取,然后在RPN模块中引入anchor原始特征与卷积相融合的背景分类,以加强输送带的损伤特征信息;最后构建输送带表面损伤的数据集进行数据试验,并分别采用VGG-19,ResNet-18骨干网络进行试验对比,结果表明改进的Faster-R-CNN的算法,针对输送带划伤、撕裂和破损的损伤状态均能够有效识别。 展开更多
关键词 输送带 损伤检测 faster-R-CNN MobileNet
在线阅读 下载PDF
基于改进Faster R-CNN的机场跑道道面裂缝检测方法 被引量：2
10
作者 张璐 高培伟 +1 位作者 张芊伊 李国庆 《粘接》 2025年第5期159-162,共4页
民航运输在中国交通体系中占据着至关重要的地位。随着机场使用年限的延长,道面损伤问题日益严重,这对飞机滑行与起降的安全构成了重大威胁。为了降低飞机在起降过程的风险性,提出了一种基于Faster R-CNN的改进检测方法。该检测方法综... 民航运输在中国交通体系中占据着至关重要的地位。随着机场使用年限的延长,道面损伤问题日益严重,这对飞机滑行与起降的安全构成了重大威胁。为了降低飞机在起降过程的风险性,提出了一种基于Faster R-CNN的改进检测方法。该检测方法综合利用了GC-ASFF模块、CIoU指标、改进损失函数和迁移学习等深度学习和目标检测技术,实现了对道面裂缝的准确检测,以便利用识别到的道面裂缝特征参数来对当前道面安全状况进行评估。试验结果表明,改进后的模型识别精度较高,综合性能较优,对于飞机跑道道面损伤能够进行精准识别和检测,具有较高的可靠性。 展开更多
关键词 裂缝检测 faster R-CNN ASFF 交并比 损失函数
在线阅读 下载PDF
改进Faster R-CNN的变电站电气主接线图图元检测 被引量：2
11
作者 冯冰 杜岳凡 +4 位作者 金尧 宗祥瑞 金花 刘潭晶 王璁 《哈尔滨理工大学学报》 北大核心 2025年第4期39-47,共9页
针对变电站电气主接线图中图元检测精度低以及小目标图元误检率漏检率高的问题,提出一种基于改进Faster R-CNN算法的变电站电气主接线图图元检测方法。首先,引入深度残差网络结构,替换Faster R-CNN原始特征提取网络,增强多尺度图元目标... 针对变电站电气主接线图中图元检测精度低以及小目标图元误检率漏检率高的问题,提出一种基于改进Faster R-CNN算法的变电站电气主接线图图元检测方法。首先,引入深度残差网络结构,替换Faster R-CNN原始特征提取网络,增强多尺度图元目标特征提取能力;然后,引入特征金字塔网络,将浅层特征信息和深层特征信息融合,提升深层网络对小目标的检测性能;最后,依据小目标尺度分布特征,在区域建议网络中重新设定Anchor的参数值,进一步提高小目标检测性能。实验结果表明,改进算法的平均检测精度达88.9%,相比原算法提高了4.2%,具有更高的检测精度和更低的误检率与漏检率。 展开更多
关键词 变电站 接线图 图元检测 faster R-CNN优化算法 深度学习
在线阅读 下载PDF
基于CCNet和Faster R-CNN模型的水稻叶片病害检测 被引量：1
12
作者 丁士宁 张克旺 姜明富 《江苏农业科学》 北大核心 2025年第15期239-245,共7页
为了准确检测水稻叶片病害,将深度学习模型CCNet和Faster R-CNN应用到水稻叶片病害检测上。首先收集3种不同类型的水稻叶片病害图像数据共计950张,从而构建水稻叶片病害数据集。为增强模型的泛化能力,在数据集划分训练集、验证集和测试... 为了准确检测水稻叶片病害,将深度学习模型CCNet和Faster R-CNN应用到水稻叶片病害检测上。首先收集3种不同类型的水稻叶片病害图像数据共计950张,从而构建水稻叶片病害数据集。为增强模型的泛化能力,在数据集划分训练集、验证集和测试集之后,对所有图像进行数据增强,扩展后的数据集图像数量达到7 600张。数据集构建完成后,使用CCNet模型对图像进行分割,从而将水稻叶片与其背景分离,避免背景对病害检测的干扰。进而使用Faster R-CNN模型检测病害种类和病害位置,同时为了增强检测精度,向Faster R-CNN模型引入特征金字塔网络,并且使用ROI Align层替换ROI Pooling层。经试验验证,本研究模型在所用水稻数据集上的平均精度均值指标达到了73.1%,相比于原Faster R-CNN模型提高了3.4百分点。对比试验结果表明,本研究模型的平均精度均值比SSD300、SSD512、Retinanet模型分别高13.0、5.1、6.9百分点,该模型的检测精度最高。试验结果验证了所提模型的有效性,表明该模型能够准确识别水稻白叶枯病、胡麻叶斑病和叶瘟病。 展开更多
关键词 水稻叶片病害 faster R-CNN模型 CCNet模型 特征金字塔网络 ROI Align层
在线阅读 下载PDF
基于Faster R-CNN的气象设备观测环境影响图像研究 被引量：1
13
作者 王超然 周若 +2 位作者 李中华 邬昀 白子诚 《电子设计工程》 2025年第4期128-132,共5页
为确保气象站点实况观测数据的准确性,观测场地需要有良好的环境。该研究利用深度学习技术中的Faster R-CNN模型,自动检测气象观测站场景中可能干扰仪器读数的视觉障碍物。通过收集并详细标注实际观测场景的图像数据,建立一个包含环境... 为确保气象站点实况观测数据的准确性,观测场地需要有良好的环境。该研究利用深度学习技术中的Faster R-CNN模型,自动检测气象观测站场景中可能干扰仪器读数的视觉障碍物。通过收集并详细标注实际观测场景的图像数据,建立一个包含环境对观测设备产生影响情况的数据集,涵盖正常与异常环境情况的百叶箱和雨量筒图像及其标注信息。对Faster R-CNN模型进行微调和超参数优化,以适应该特定识别任务。实验结果验证了模型在识别和定位障碍物方面的高效性,准确率为97.1%,展现出了较好的鲁棒性。该项研究将图像识别处理用于自动站探测环境,不仅证明了深度学习在改善气象观测条件中的有效性,也为相似领域的应用提供了方法论上的指导。 展开更多
关键词 深度学习 faster R-CNN 气象观测场 图像处理
在线阅读 下载PDF
优化Faster R-CNN用于输电线路金具缺陷识别 被引量：2
14
作者 向哲宏 张捷 +3 位作者 宋卫平 李欢欢 徐小云 黄飞虎 《信息技术》 2025年第6期81-88,共8页
Faster R-CNN网络模型本身网络结构和参数存在检测准确度不够、检测的漏检率较高,以及不能完整标记检测目标的问题。因此通过对模拟退火算法进行优化,再将优化后的模拟退火算法对Faster R-CNN模型网络结构和参数进行寻优调试,将卷积神... Faster R-CNN网络模型本身网络结构和参数存在检测准确度不够、检测的漏检率较高,以及不能完整标记检测目标的问题。因此通过对模拟退火算法进行优化,再将优化后的模拟退火算法对Faster R-CNN模型网络结构和参数进行寻优调试,将卷积神经网络模型全连接层中神经元之间的权重和偏置看作参数,得到的最优参数再构建成新的Faster R-CNN模型网络,使得Faster R-CNN在目标检测和识别领域具有更好的效果。训练结果也证明,优化后的网络模型在目标检测识别的准确度上有极大的提高,并且对目标物体的定位错误率更低、定位位置更加准确,模型整体鲁棒性增加。 展开更多
关键词 优化模拟退火算法 faster R-CNN 网络结构 输电线路金具 缺陷识别
在线阅读 下载PDF
基于Faster R-CNN和Mask R-CNN的滑坡自动识别研究 被引量：3
15
作者 于宪煜 杨森 《大地测量与地球动力学》 北大核心 2025年第1期1-4,12,共5页
基于高分一号影像,以三峡库区库首段为例,通过目视解译出160个滑坡样本,按照9∶1比例分为训练样本和验证样本,分别利用Faster R-CNN和Mask R-CNN算法构建滑坡自动识别模型。为进一步对比分析不同样本比例下两种模型的性能,分别采用8∶2... 基于高分一号影像,以三峡库区库首段为例,通过目视解译出160个滑坡样本,按照9∶1比例分为训练样本和验证样本,分别利用Faster R-CNN和Mask R-CNN算法构建滑坡自动识别模型。为进一步对比分析不同样本比例下两种模型的性能,分别采用8∶2、7∶3、6∶4的样本比例进行计算。研究结果表明,Mask R-CNN模型识别结果准确率、召回率和F 1分数等3项指标均优于Faster R-CNN;且经过交叉验证,证明Mask R-CNN模型的性能更为稳定。 展开更多
关键词 深度学习 滑坡识别 Mask R-CNN faster R-CNN 交叉验证
在线阅读 下载PDF
基于改进Faster RCNN的瓷砖表面缺陷检测算法 被引量：4
16
作者 王建国 孙付仲 +1 位作者 苑子龙 孙殿富 《南京工业大学学报(自然科学版)》 北大核心 2025年第1期49-55,共7页
瓷砖作为生产生活中的必需品,受各种生产因素影响会产生不同的表面缺陷。目前,该缺陷主要靠人工检测,因此带来检测效率低、劳动强度大等难题。针对瓷砖表面的多种缺陷,提出了一种基于机器视觉的快速卷积神经网络(Faster RCNN)改进算法... 瓷砖作为生产生活中的必需品,受各种生产因素影响会产生不同的表面缺陷。目前,该缺陷主要靠人工检测,因此带来检测效率低、劳动强度大等难题。针对瓷砖表面的多种缺陷,提出了一种基于机器视觉的快速卷积神经网络(Faster RCNN)改进算法。首先,针对训练过程中存在的过拟合问题,对原始数据集进行预处理,扩充数据集容量;其次,在Faster RCNN算法主干特征提取网络中添加卷积块注意力混合模块(CBAMM)机制,对瑕疵缺陷进行自主学习并加强对图像深层特征的提取;最后,为保证瓷砖图像中小瑕疵特征的提取,在获得的Proposal建议框上提出自适应空间特征融合(ASFF)算法。结果表明:改进Faster RCNN算法对各类缺陷检测精度均能达到97.2%以上,相较于原始算法,该模型检测精度提升了3.5%,可以更精确地检测瓷砖瑕疵,有利于提高企业的经济效益。 展开更多
关键词 缺陷检测 机器视觉 faster RCNN 深度学习 CBAMM ASFF
在线阅读 下载PDF
基于改进Faster R-CNN的荔枝病虫害检测 被引量：5
17
作者 谢家兴 廖飞 +5 位作者 王卫星 高鹏 胡凯 吴佩文 邓钲奇 刘洪山 《华中农业大学学报》 北大核心 2025年第1期62-73,共12页
针对荔枝园复杂背景下荔枝小目标病虫害检测困难的问题,提出一种基于改进Faster R-CNN的荔枝病虫害检测方法。以Faster R-CNN为基础,使用特征提取能力更优秀的Swin Transformer代替原有主干网络VGG16;通过特征金字塔网络(feature pyrami... 针对荔枝园复杂背景下荔枝小目标病虫害检测困难的问题,提出一种基于改进Faster R-CNN的荔枝病虫害检测方法。以Faster R-CNN为基础,使用特征提取能力更优秀的Swin Transformer代替原有主干网络VGG16;通过特征金字塔网络(feature pyramid network, FPN)提升Faster R-CNN模型的多尺度特征融合能力,均衡提高每一类荔枝病虫害的识别精确率;引入感兴趣区域对齐(region of interest align, ROI Align)策略提升模型的候选框定位精度,进一步提升模型的整体检测效果。结果显示,改进后的模型平均精度均值达到92.76%,相较原始Faster R-CNN检测器提升了30.08百分点,在5类荔枝病虫害图像(藻斑病、炭疽病、煤烟病、毛毡病、叶瘿蚊)中的检测精度分别为93.05%、94.81%、96.57%、87.03%和92.34%,平均精度均值比SSD512、RetinaNet、EfficientDet-d0和YOLOv5s模型分别提高了20.50、5.70、13.08和3.26百分点。结果表明,改进后的Faster R-CNN模型能准确检测复杂背景下的荔枝病虫害目标,具有较高的应用价值,能为农作物病虫害快速、准确识别研究提供参考。 展开更多
关键词 荔枝 病虫害检测 faster R-CNN Swin Transformer 多尺度特征融合
在线阅读 下载PDF
基于FPN和Faster R-CNN的生命体征参数智能识别
18
作者 刘佳颖 刘金城 +4 位作者 綦雅婷 吴思圻 黄标晟 胡志雄 王建林 《计量学报》 北大核心 2025年第7期1075-1082,共8页
传统的多参数监护仪检定方法依赖人工读数和测量,效率低下。亟待研究一种基于人工智能的目标检测算法,实现多参数监护仪中生命体征参数的智能化识别,推动多参数监护仪自动化检定技术的发展。针对上述问题,提出一种基于FPN和Faster R-CN... 传统的多参数监护仪检定方法依赖人工读数和测量,效率低下。亟待研究一种基于人工智能的目标检测算法,实现多参数监护仪中生命体征参数的智能化识别,推动多参数监护仪自动化检定技术的发展。针对上述问题,提出一种基于FPN和Faster R-CNN的神经网络模型自动识别和分类生命体征参数,为后续实现多参数监护仪自动检定提供支持。为克服传统Faster R-CNN在中小目标识别任务上的不足,结合了ResNet50和FPN提取网络,以提升中小目标识别率。在实际临床采集的图像数据集上验证ResNet50+FPN的有效性,并与VGG16、MobileNetV2、EfficientNetB0、ResNet50等网络进行对比。结果表明,ResNet50+FPN识别的均值平均精度达到了83.32%,比VGG16提升了3.88%,在中小目标识别均值平均精度上分别提升了4.05%和9.60%。 展开更多
关键词 医学计量 生命体征参数 多参数监护仪 FPN faster R-CNN 自动化检定 目标检测
在线阅读 下载PDF
基于改进Faster R-CNN的铝材表面缺陷检测 被引量：1
19
作者 魏擎擎 鲁玉军 《电子科技》 2025年第9期85-92,共8页
针对铝型材料表面缺陷检测精度低和误检发生率高的问题,文中提出了一种基于改进Faster R-CNN的铝型材料表面缺陷检测算法。在主干特征提取网络中引入Swim Transformer来获取多尺度特征,结合FPN(Feature Pyramid Network)、PAN(Path Aggr... 针对铝型材料表面缺陷检测精度低和误检发生率高的问题,文中提出了一种基于改进Faster R-CNN的铝型材料表面缺陷检测算法。在主干特征提取网络中引入Swim Transformer来获取多尺度特征,结合FPN(Feature Pyramid Network)、PAN(Path Aggregation Network)网络加强特征融合,以此提升小目标检测能力。使用RoI(Regin of Interest)Align层替换RoI Pooling层以消除候选框定位误差,并提升候选框的精度。在筛选候选框时,使用多个IoU(Intersection over Union)阈值为评价指标进行非极大值抑制,提升候选框样本质量。实验结果表明,所提算法的平均检测精度为86.7%,在擦花、脏点等小目标上平均精度分别提升了24.3%、20.7%。相较于Faster R-CNN算法,所提算法平均检测精度提升了12.4百分点,其中小目标检测效果提升明显,满足工业生产需求。 展开更多
关键词 缺陷检测 faster R-CNN Swin Transformer 多尺度特征图 FPN PAN 特征融合 候选框定位
在线阅读 下载PDF
基于支持集特征增强的Meta Faster R-CNN小样本目标检测 被引量：1
20
作者 马俊光 文峰 殷向阳 《沈阳理工大学学报》 2025年第2期48-54,共7页
小样本目标检测的元学习方法能快速适应少量训练样本,较好解决现有常规检测模型泛化能力不强、适应新任务速度缓慢、鲁棒性差的问题,具有较高的实际应用价值,但该方法对支持集特征利用能力不足、检测精度不高。为此,基于支持集特征增强... 小样本目标检测的元学习方法能快速适应少量训练样本,较好解决现有常规检测模型泛化能力不强、适应新任务速度缓慢、鲁棒性差的问题,具有较高的实际应用价值,但该方法对支持集特征利用能力不足、检测精度不高。为此,基于支持集特征增强,针对元学习SOTA算法Meta Faster R-CNN进行改进,从支持集背景抑制与目标特征增强两个角度出发,削弱与待查询目标无关的背景信息并加强支持集内部特征之间的联系,构建一种检测性能更高的小样本目标检测算法。实验结果表明:在PASCAL VOC Novel Set数据集上的元测试阶段,本文改进算法在1-shot、2-shot、3-shot、5-shot、10-shot下的平均精度均值(mAP@0.5)较原算法分别提升了0.066%、12.038%、12.289%、10.073%、9.539%;在元微调后的测试阶段,本文改进算法的mAP@0.5较原算法有所提升或基本持平;增强支持集特征能够有效提升小样本目标检测精度。 展开更多
关键词 小样本目标检测 元学习 Meta faster R-CNN 背景抑制 特征增强
在线阅读 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 2 … 85 下一页 到第 页
使用帮助 返回顶部