为解决柔性智能制造过程中对密集工件漏检率高的问题,提出一种基于改进SSD(single shot multiBox detector)算法的目标检测模型。首先,在SSD网络中融入RFB(receptive field block,感受野模块),提高网络的特征提取能力;其次,采用激活函数...为解决柔性智能制造过程中对密集工件漏检率高的问题,提出一种基于改进SSD(single shot multiBox detector)算法的目标检测模型。首先,在SSD网络中融入RFB(receptive field block,感受野模块),提高网络的特征提取能力;其次,采用激活函数PReLU(parametric rectified linear unit,参数化修正线性单元)代替传统的ReLU激活函数,避免部分神经元出现“死亡”现象;然后,使用CIoU(complete intersection over union)对损失函数进行优化;同时,使用平滑标签、融入BN层(batch normalization,批量标准化)等优化方法防止过拟合现象。在构建的密集工件数据集进行实验,平均精度均值达到95.24%,较改进之前算法提高4.42%,满足实际工业需求。展开更多
针对多方向排列的文本因其尺度变化大、复杂背景干扰而导致检测效果仍不甚理想的问题,本文提出了一种基于注意力机制的多方向文本检测方法。首先,考虑到自然场景下干扰信息多,构建文本特征提取网络(text feature information ResNet50,T...针对多方向排列的文本因其尺度变化大、复杂背景干扰而导致检测效果仍不甚理想的问题,本文提出了一种基于注意力机制的多方向文本检测方法。首先,考虑到自然场景下干扰信息多,构建文本特征提取网络(text feature information ResNet50,TF-ResNet),对图像中的文本特征信息进行提取;其次,在特征融合模型中加入文本注意模块(text attention module, TAM),抑制无关信息的同时突出显示文本信息,以增强文本特征之间的潜在联系;最后,采用渐进扩展模块,逐步融合扩展前部分得到的多个不同尺度的分割结果,以获得精确检测结果。本文方法在数据集CTW1500、ICDAR2015上进行实验验证和分析,其F值分别达到80.4%和83.0%,比次优方法分别提升了2.0%和2.4%,表明该方法在多方向文本检测上与其他方法相比具备一定的竞争力。展开更多
文摘为解决柔性智能制造过程中对密集工件漏检率高的问题,提出一种基于改进SSD(single shot multiBox detector)算法的目标检测模型。首先,在SSD网络中融入RFB(receptive field block,感受野模块),提高网络的特征提取能力;其次,采用激活函数PReLU(parametric rectified linear unit,参数化修正线性单元)代替传统的ReLU激活函数,避免部分神经元出现“死亡”现象;然后,使用CIoU(complete intersection over union)对损失函数进行优化;同时,使用平滑标签、融入BN层(batch normalization,批量标准化)等优化方法防止过拟合现象。在构建的密集工件数据集进行实验,平均精度均值达到95.24%,较改进之前算法提高4.42%,满足实际工业需求。