期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
改进的Faster R-CNN算法在数码印花织物缺陷检测中的应用 被引量:7
1
作者 苏泽斌 武静威 李鹏飞 《西安工程大学学报》 CAS 2022年第4期1-9,共9页
针对数码印花织物缺陷检测过程中自建数据集类别样本分布不均衡,导致缺陷检测精度不高的问题,提出一种自适应类别抑制损失(adaptive class suppression loss,ACSL)的Faster R-CNN缺陷检测算法。首先,根据数码印花织物缺陷背景复杂、目... 针对数码印花织物缺陷检测过程中自建数据集类别样本分布不均衡,导致缺陷检测精度不高的问题,提出一种自适应类别抑制损失(adaptive class suppression loss,ACSL)的Faster R-CNN缺陷检测算法。首先,根据数码印花织物缺陷背景复杂、目标较难检测的特点,构建了基于Faster R-CNN的缺陷检测网络结构;然后,在基础网络中引入ACSL模块,通过调整不同类别位置分类损失的权重系数,维系不同类别位置正激活损失和负激活损失的相对平衡,从而解决样本不平衡对检测精度的影响。结果表明:所提算法在COCO标准上平均检测精度达到了0.60,相比于Faster R-CNN提高了0.02。说明此方法能够有效解决类别样本不均衡的数码印花缺陷检测问题。 展开更多
关键词 数码印花 缺陷检测 类别样本不均衡 自适应类别抑制损失(ACSL) Faster R-CNN
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部