针对钢板表面缺陷检测过程中出现的检测精度不高、小缺陷定位不准、误检率和漏检率高的问题,提出一种改进的快速区域卷积神经网络(faster region-based convolutional neural network,简称Faster R-CNN)算法.实验结果表明:相对于CNN(con...针对钢板表面缺陷检测过程中出现的检测精度不高、小缺陷定位不准、误检率和漏检率高的问题,提出一种改进的快速区域卷积神经网络(faster region-based convolutional neural network,简称Faster R-CNN)算法.实验结果表明:相对于CNN(convolutional neural network),YOLOv3(the third version of you only look once),SSD(single shot multibox detector)和YOLOv5(the fifth version of you only look once)算法,该文算法的检测平均精度均值最高、缺陷定位最准确、分类成功率最高.因此,该文算法具有有效性.展开更多
针对非平行支持向量机(NonParallel Support Vector Machine,NPSVM)对噪声敏感和忽略了数据分布结构的问题,提出了一种具有间隔分布的抗噪声非平行支持向量机(Anti-Noise NPSVM with Margin Distribution, MDANPSVM)分类模型.在MD-ANPSV...针对非平行支持向量机(NonParallel Support Vector Machine,NPSVM)对噪声敏感和忽略了数据分布结构的问题,提出了一种具有间隔分布的抗噪声非平行支持向量机(Anti-Noise NPSVM with Margin Distribution, MDANPSVM)分类模型.在MD-ANPSVM模型中,每个优化问题同时最小化两类样本的基于L1范数的绝对损失和改进的铰链损失,这可以保证模型的稳定性,减小噪声和异常值的影响.此外,在MD-ANPSVM模型中,采用一阶和二阶统计量来描述训练数据的间隔分布信息,并试图同时最大化间隔均值和最小化间隔方差,这进一步提高了模型的泛化性能.最终,我们在不同的数据集上进行了对比实验.实验结果显示,MD-ANPSVM模型具有较强的泛化能力和强鲁棒性.展开更多
文摘针对钢板表面缺陷检测过程中出现的检测精度不高、小缺陷定位不准、误检率和漏检率高的问题,提出一种改进的快速区域卷积神经网络(faster region-based convolutional neural network,简称Faster R-CNN)算法.实验结果表明:相对于CNN(convolutional neural network),YOLOv3(the third version of you only look once),SSD(single shot multibox detector)和YOLOv5(the fifth version of you only look once)算法,该文算法的检测平均精度均值最高、缺陷定位最准确、分类成功率最高.因此,该文算法具有有效性.
文摘针对非平行支持向量机(NonParallel Support Vector Machine,NPSVM)对噪声敏感和忽略了数据分布结构的问题,提出了一种具有间隔分布的抗噪声非平行支持向量机(Anti-Noise NPSVM with Margin Distribution, MDANPSVM)分类模型.在MD-ANPSVM模型中,每个优化问题同时最小化两类样本的基于L1范数的绝对损失和改进的铰链损失,这可以保证模型的稳定性,减小噪声和异常值的影响.此外,在MD-ANPSVM模型中,采用一阶和二阶统计量来描述训练数据的间隔分布信息,并试图同时最大化间隔均值和最小化间隔方差,这进一步提高了模型的泛化性能.最终,我们在不同的数据集上进行了对比实验.实验结果显示,MD-ANPSVM模型具有较强的泛化能力和强鲁棒性.