基于改进Mask R-CNN的模糊图像实例分割的研究

Mask R-CNN是现阶段实例分割相对成熟的方法,针对Mask R-CNN算法当中还存在的分割边界精度以及对于模糊图片鲁棒性较差等问题,该文提出一种基于改进的Mask R-CNN实例分割方法。该方法首先提出在Mask分支上使用卷积化条件随机场(ConvCRF)来优化Mask分支对于候选区域进一步分割,并使用FCN-ConvCRF分支来代替原有分支;之后提出新锚点大小和IOU标准,使得RPN候选框能够涵盖所有实例区域;最后使用一种添加部分经过转换网络转换的数据进行训练的方法。总的mAP值与原算法相比提升了3%,并且分割边界精确度和鲁棒性都有一定提高。

基于高风险FMEA管控机制的风险评估方法

失效模式与后果分析(FMEA)是一种质量分析工具,常常用于识别产品或过程的潜在失效模式,从而提前采取措施降低失效模式带来的危害。针对识别出来的失效模式,需要评估它们的风险等级,对于风险级别高的条目需要优先实施改进措施。传统的风险等级评估是由RPN(Risk Priority Number)数值判定,即失效严重度(S)、发生率(O)和不可探测度(D)的乘积。本篇提出了一种基于高风险FMEA管控机制的风险等级评估方法(Risk Priority Level,RPL),让FMEA团队快速、准确地识别高风险项,并对它们做出有效的管控措施。