检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

改进YOLOv4的表面缺陷检测算法

北京航空航天大学学报 2023年第3期49卷 710-717页

作者：李彬汪诚丁相玉巨海娟郭振平李卓越空军工程大学基础部西安710038

为解决航空发动机部件表面缺陷检测精度低、检测速度慢的问题,提出一种改进的YOLOv4算法进行智能检测。在路径聚合网络(PANet)结构中融合浅层特征与深层特征,增大特征检测尺度,同时去除自下而上的路径增强结构,提高小目标检测精度和整... 详细信息

为解决航空发动机部件表面缺陷检测精度低、检测速度慢的问题,提出一种改进的YOLOv4算法进行智能检测。在路径聚合网络(PANet)结构中融合浅层特征与深层特征,增大特征检测尺度,同时去除自下而上的路径增强结构,提高小目标检测精度和整体检测速度;根据各类缺陷数量不同的情况,优化聚焦损失中的平衡参数,增加权重因子调节各类缺陷的损失权重,将改进后的聚焦损失代替分类误差中的交叉熵损失函数,降低样本不平衡和难易样本对检测精度的影响。实验表明:相比于原始YOLOv4算法,改进后的YOLOv4算法在测试集上的平均精度均值(m AP)为90.10%,提高了2.17%;检测速度为24.82 fps,提高了1.58 fps,检测精度也高于单发多框检测(SSD)算法、EfficientDet算法、YOLOv3算法和YOLOv4-Tiny算法。

关键词： YOLOv4 表面缺陷检测航空发动机小目标检测聚焦损失

在线全文

学校读者我要写书评

暂无评论

聚焦难样本的区分尺度的文字检测方法

浙江大学学报（工学版） 2019年第8期53卷 1506-1516页

作者：林泓卢瑶瑶武汉理工大学计算机科学与技术学院

针对卷积神经网络中间特征层信息利用不充分,以及不区分尺度和难易样本的学习所导致的文字检测精度难以提高的问题,提出基于多路精细化特征融合的聚焦难样本的区分尺度的自然场景文字检测方法.构建多路精细化的卷积神经网络融合层提取... 详细信息

针对卷积神经网络中间特征层信息利用不充分,以及不区分尺度和难易样本的学习所导致的文字检测精度难以提高的问题,提出基于多路精细化特征融合的聚焦难样本的区分尺度的自然场景文字检测方法.构建多路精细化的卷积神经网络融合层提取高分辨率特征图;按照文字标注矩形框的较长边的尺寸,将文字实例划分为3种尺度范围,并分布到不同的候选框提取网络中提取相应的候选框;设计聚焦损失函数对难样本进行重点学习以提高模型的表达能力并得到目标文字框.实验表明,所提出的多路精细化特征提取方法在COCO-Text数据集上的文字召回率较高,聚焦难样本的区分尺度的文字检测方法在ICDAR2013、ICDAR2015标准数据集上的检测精度分别为0.89、0.83,与CTPN、RRPN等方法相比,在多尺度多方向的自然场景图像中具有更强的鲁棒性.

关键词：深度学习自然场景文字检测特征融合难样本聚焦损失

在线全文

学校读者我要写书评

暂无评论

基于深度学习的网络借贷客户行为预测研究

基于深度学习的网络借贷客户行为预测研究

作者：明志长春工业大学

学位级别：硕士

近年来,随着中国经济社会的不断发展和互联网金融的快速崛起,传统金融机构网络借贷业务逐步兴起,通过互联网进行贷款的交易逐年增多。网络借贷在给金融机构带来巨大利润的同时,也对其互联网金融风险控制能力提出了巨大的挑战。准确的评... 详细信息

近年来,随着中国经济社会的不断发展和互联网金融的快速崛起,传统金融机构网络借贷业务逐步兴起,通过互联网进行贷款的交易逐年增多。网络借贷在给金融机构带来巨大利润的同时,也对其互联网金融风险控制能力提出了巨大的挑战。准确的评估互联网借贷客户的还款行为是互联网金融风险控制的重要环节。综上所述,本研究通过改进深度残差网络,来对客户的两种还款行为（违约还款和提前还款）进行预测,进而降低金融机构网络借贷业务的运营风险。本文具体研究内容包括:（1）由于网络借贷数据具有复杂度高、维度高、数据噪声多的特点,导致目前基于机器学习和深度学习方法的客户还款行为预测模型的预测性能较差。拟解决上述问题,本研究在深度残差网络的基础上,通过融合多层级特征和挤压-激励网络（SENet）,提出了基于IRes Net（Improved Residual Network,IRes Net）的客户还款行为预测模型。本文通过四步来构建IRes Net模型,首先,将SENet融合到各个层级残差块的输出向量中;其次,将融合SENet后的各层级输出向量合并到特征融合层;然后,对特征融合层中的特征向量进行全局平均池化处理;最后,将处理好的特征向量输入到Soft Max分类层,得到客户还款行为的分类结果。IRes Net预测模型不仅可以通过整合浅层特征与深层特征获取多层级的信息,还可以凭借SENet的注意力机制思想来自适应调节各通道的空间特征响应值,进而在层级维度和空间维度上同时增强特征向量的表达能力,最终使模型具有更强的预测性能。（2）针对网络借贷数据样本不平衡,以及单一模型的局限性,导致的模型预测性能差的问题,本研究在IRes Net模型的基础上,构建了融合聚焦损失和随机森林的客户还款行为预测模型（IRes Net-FL-RF）。在该模型中,使用聚焦损失函数解决了样本不平衡导致模型性能差的问题,并考虑到随机森林在分类预测方面的优势,通过组合学习的方式弥补单一模型的不足。最终,进一步增强了客户还款行为预测模型的性能。（3）最后,本研究使用Lending Club平台的公开数据集,对提出两个客户还款行为预测模型的预测性能进行了验证,并设置了大量的对比实验。实验结果表明,相比四种基于机器学习和两种基于深度学习的客户还款行为预测模型,本文提出的两个模型具有更强的预测性能,从而为降低金融机构网络借贷业务的运营风险提出了一种新方法。

关键词：深度残差网络注意力机制聚焦损失客户还款行为预测组合学习

一种基于改进SKNet的晶体图像异常识别算法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

北京工业职业技术学院学报 2022年第2期21卷 30-38页

作者：董建卯福启北方工业大学信息学院北京100144 北方工业大学北京100144 中国地质大学(北京) 北京100083

晶体缺陷的研究在材料领域中十分重要,为此提出一种晶体异常图像检测方法。通过对晶体缺陷图像特点进行分析,以可选择卷积核网络(Selective Kernel Networks,SKNet)作为基础模型,同时对SKNet进行改进,以提高检测效果。一方面,为了避免... 详细信息

晶体缺陷的研究在材料领域中十分重要,为此提出一种晶体异常图像检测方法。通过对晶体缺陷图像特点进行分析,以可选择卷积核网络(Selective Kernel Networks,SKNet)作为基础模型,同时对SKNet进行改进,以提高检测效果。一方面,为了避免通道权重信息的丢失,提高特征提取能力,采用高效通道注意力模块来替代SKNet中的压缩、激励模块;另一方面,为了提高对困难样本的分类效果,引入焦点损失替代交叉熵损失。实验结果表明:与参考算法相比,改进算法平均准确率提高了3.9%,异常图像精确率提高了1.5%,召回率提高了5.2%。

关键词：高分辨率透射电镜晶体图像异常识别可选择卷积核网络通道注意力聚焦损失

在线全文

学校读者我要写书评

暂无评论

复杂纹理图像缺陷检测方法研究

复杂纹理图像缺陷检测方法研究

作者：陈俊豪广东工业大学

学位级别：硕士

缺陷检测是指在产品图像中定位出缺陷的位置以及识别对应位置缺陷的类别。它是产品生产过程中至关重要的流程,有利于把控产品的质量与及时反映生产过程中存在的问题。复杂纹理图像缺陷检测存在背景复杂、背景图案与缺陷特征信息相近、... 详细信息

缺陷检测是指在产品图像中定位出缺陷的位置以及识别对应位置缺陷的类别。它是产品生产过程中至关重要的流程,有利于把控产品的质量与及时反映生产过程中存在的问题。复杂纹理图像缺陷检测存在背景复杂、背景图案与缺陷特征信息相近、小面积缺陷等问题,是工业视觉检测的一大难题。因此,对复杂纹理图像缺陷检测方法进行研究,具有一定的科研价值和实用价值。针对复杂纹理图像缺陷检测存在的问题,本文基于深度学习技术围绕缺陷检测算法及深度卷积神经网络轻量化两个关键问题展开研究,具体研究内容如下:(1)本文提出SA-RFB Net网络模型,用于复杂纹理图像缺陷检测。首先,为了解决产品图像背景图案复杂,缺陷特征提取困难的问题,SA-RFB Net采用非局部运算模块,用于捕获长距离依赖,从而增强网络模型的特征提取能力。其次,为了克服背景信息与缺陷特征信息难以区分的问题,SA-RFB Net采用聚焦损失作为分类损失,在训练过程中将训练重点聚焦于不易于分类的背景样本,并解决训练过程中的类不平衡问题。再次,针对小面积缺陷难以检测的问题,SA-RFB Net采用多尺度特征输出的方式实现多尺度缺陷检测,提升模型对于小面积缺陷的检测能力。(2)本文提出Light-SA-RFB Net网络模型,实现SA-RFB Net的压缩与加速。为了降低SA-RFB Net网络模型的参数量及计算量,本文提出Ghost-RFB模块及Ghost-SA模块,实现SA-RFB Net的轻量化。Light-SA-RFB Net属于轻量级网络,其在兼顾效率的同时满足检测性能,能够应用于实际工业场景。本文在复杂纹理图像缺陷数据集中进行了SA-RFB Net的消融实验及对比实验,并进行了SA-RFB Net轻量化的相关消融实验及对比实验,即Light-SA-RFB Net的相关轻量化实验。实验结果表明,SA-RFB Net能够精确定位出缺陷在复杂纹理图像中的位置并正确识别对应位置缺陷的类别。Light-SA-RFB Net在保持检测性能的同时进一步减少网络的计算量及参数量,使得缺陷检测更加智能化和便捷化。

关键词：缺陷检测非局部运算模块聚焦损失多尺度缺陷检测轻量化

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于特征融合的自然场景文字检测方法研究

基于特征融合的自然场景文字检测方法研究

作者：卢瑶瑶武汉理工大学

学位级别：硕士

自然场景图像中的文字检测是计算机视觉领域的一项重要研究内容。由于自然场景的复杂性、文字本身多样性以及图像质量等因素的影响,该类图像的文字检测任务具有挑战性。本课题围绕深度学习的自然场景图像文字检测展开研究和改进,提出多... 详细信息

自然场景图像中的文字检测是计算机视觉领域的一项重要研究内容。由于自然场景的复杂性、文字本身多样性以及图像质量等因素的影响,该类图像的文字检测任务具有挑战性。本课题围绕深度学习的自然场景图像文字检测展开研究和改进,提出多尺度任意方向的自然场景文字检测方法。主要研究内容和创新如下:（1）研究多尺度特征融合的特征提取方法。针对文字特征提取阶段未充分利用卷积各中间层信息的问题,提出一种多尺度特征精细化融合的特征提取方法。该方法基于特征金字塔FPN结构,在残差网络ResNet50中加入全局平均池化层GAP进行预训练以得到更多的全局信息同时降低过拟合,以多尺度输入的特征精细化融合网络RefineNet作为FPN的横向连接模块,得到特征表示更充分的模型用于后续检测任务。实验表明多尺度特征精细化融合方法提高了检测精度,并为后续文字检测提供了技术支撑。（2）研究划分文字尺度的水平文字检测方法。针对单一尺寸特征图难以适应多尺度文字检测的问题,提出一种基于文字尺度划分的水平文字检测方法。考虑不同尺度的特征图对文字尺度的敏感度不同,按文字标注框长边将文字划分为三种尺度范围,将不同尺度范围内的标注框分散到三个候选区域提取网络RPN中进行训练,对其后的三个预测网络的检测结果进行合并和去重,得到分层检测模型以适应尺度变化较大的文字,实验表明划分尺度的方法提高了水平方向的文字检测精度。（3）研究聚焦难样本损失的任意方向文字检测方法。针对水平检测框难以贴合真实文字排布方向及特征旋转变化的问题,在划分尺度的水平文字检测模型的回归网络中增加旋转对称的角度通道,实现了任意方向上的文字检测。针对模型训练过程中难样本学习不充分的问题,将难样本问题扩展为难分类和难回归两个问题,分别设计聚焦难样本的损失函数,重点学习难样本特征以提高模型的分类准确率和定位准确率。实验表明增加角度训练和聚焦难样本损失的方法提高了多方向上的文字检测精度。

关键词：自然场景文字检测特征融合划分尺度聚焦损失