基于Fast RCNN改进的布匹瑕疵识别算法

论文摘要

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3 331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。

论文目录

• 0 引言
• 1 相关算法
• 2 本文方法
•   2.1 基础特征提取
•   2.2 全局信息嵌入
•   2.3 概率合成
•   2.4 多任务加权损失
• 3 实验结果及分析
• 4 结束语

文章来源

类型: 期刊论文

作者: 车翔玖,刘华罗,邵庆彬

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

来源: 吉林大学学报(工学版) 2019年06期

年度: 2019

分类: 工程科技Ⅱ辑,工程科技Ⅰ辑,信息科技

专业: 轻工业手工业,计算机软件及计算机应用

单位: 吉林大学计算机科学与技术学院

基金: 国家自然科学基金项目（61672260）

分类号: TS107;TP391.41

DOI: 10.13229/j.cnki.jdxbgxb20190243

页码: 2038-2044

总页数: 7

文件大小: 1911K

下载量: 452