期刊导航
期刊开放获取
河南省图书馆
退出
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
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
检索
高级检索
期刊导航
共找到
2
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:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于深度学习的布匹瑕疵识别系统的研制
1
作者
马铭宇
陈婷婷
+2 位作者
梁潇
曹辉
徐华珍
《电脑编程技巧与维护》
2021年第12期129-131,共3页
纺织行业一直在我国国民经济中占据十分重要的位置。传统的布匹瑕疵识别检测一般都是通过人工检测的方式,但是随着布匹检测数量的不断增加,人工识别效率也会随之下降,且准确率得不到保证。针对这个问题提出了使用Python语言,卷积神经网...
纺织行业一直在我国国民经济中占据十分重要的位置。传统的布匹瑕疵识别检测一般都是通过人工检测的方式,但是随着布匹检测数量的不断增加,人工识别效率也会随之下降,且准确率得不到保证。针对这个问题提出了使用Python语言,卷积神经网络DenseNet模型、Keras框架,创建和训练深度学习神经网络,设计与实现了一款布匹瑕疵系统,从而使得布匹检测更加高效、便捷。
展开更多
关键词
深度学习
卷积神经网络
布匹瑕疵识别
下载PDF
职称材料
基于Fast RCNN改进的布匹瑕疵识别算法
被引量:
18
2
作者
车翔玖
刘华罗
邵庆彬
《吉林大学学报(工学版)》
EI
CAS
CSCD
北大核心
2019年第6期2038-2044,共7页
针对布匹瑕疵数据集分辨率高、瑕疵区域小,使用已有图像分类算法识别效果差的问题,提出了一种基于经典目标检测算法Fast RCNN改进的图像识别算法,用目标检测的流程完成图像识别任务。算法利用布匹瑕疵区域小的特性,在图像中生成大量潜...
针对布匹瑕疵数据集分辨率高、瑕疵区域小,使用已有图像分类算法识别效果差的问题,提出了一种基于经典目标检测算法Fast RCNN改进的图像识别算法,用目标检测的流程完成图像识别任务。算法利用布匹瑕疵区域小的特性,在图像中生成大量潜在的瑕疵区域,利用卷积神经网络预测潜在区域包含瑕疵的概率,在算法的后期对潜在区域的概率进行合并,最终达到识别布匹中存在瑕疵的概率。在一个具有3331张高分辨率图片的数据集上进行实验,结果表明,本文算法比OurNet以及已有的图像分类算法具有更好的性能。
展开更多
关键词
计算机应用
布匹瑕疵识别
卷积神经网络
图像
识别
目标检测
原文传递
题名
基于深度学习的布匹瑕疵识别系统的研制
1
作者
马铭宇
陈婷婷
梁潇
曹辉
徐华珍
机构
南通理工学院
出处
《电脑编程技巧与维护》
2021年第12期129-131,共3页
基金
202012056004Z江苏省大学生创新创业训练计划项目。
文摘
纺织行业一直在我国国民经济中占据十分重要的位置。传统的布匹瑕疵识别检测一般都是通过人工检测的方式,但是随着布匹检测数量的不断增加,人工识别效率也会随之下降,且准确率得不到保证。针对这个问题提出了使用Python语言,卷积神经网络DenseNet模型、Keras框架,创建和训练深度学习神经网络,设计与实现了一款布匹瑕疵系统,从而使得布匹检测更加高效、便捷。
关键词
深度学习
卷积神经网络
布匹瑕疵识别
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
TP18 [自动化与计算机技术—控制理论与控制工程]
TS107 [轻工技术与工程—纺织工程]
下载PDF
职称材料
题名
基于Fast RCNN改进的布匹瑕疵识别算法
被引量:
18
2
作者
车翔玖
刘华罗
邵庆彬
机构
吉林大学计算机科学与技术学院
出处
《吉林大学学报(工学版)》
EI
CAS
CSCD
北大核心
2019年第6期2038-2044,共7页
基金
国家自然科学基金项目(61672260)
文摘
针对布匹瑕疵数据集分辨率高、瑕疵区域小,使用已有图像分类算法识别效果差的问题,提出了一种基于经典目标检测算法Fast RCNN改进的图像识别算法,用目标检测的流程完成图像识别任务。算法利用布匹瑕疵区域小的特性,在图像中生成大量潜在的瑕疵区域,利用卷积神经网络预测潜在区域包含瑕疵的概率,在算法的后期对潜在区域的概率进行合并,最终达到识别布匹中存在瑕疵的概率。在一个具有3331张高分辨率图片的数据集上进行实验,结果表明,本文算法比OurNet以及已有的图像分类算法具有更好的性能。
关键词
计算机应用
布匹瑕疵识别
卷积神经网络
图像
识别
目标检测
Keywords
computer application
fabric defect recognition
convolutional neural network
image classification
object detection
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于深度学习的布匹瑕疵识别系统的研制
马铭宇
陈婷婷
梁潇
曹辉
徐华珍
《电脑编程技巧与维护》
2021
0
下载PDF
职称材料
2
基于Fast RCNN改进的布匹瑕疵识别算法
车翔玖
刘华罗
邵庆彬
《吉林大学学报(工学版)》
EI
CAS
CSCD
北大核心
2019
18
原文传递
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部