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

基于深度学习的小目标织物缺陷在线检测方法

基于深度学习的小目标织物缺陷在线检测方法

作者：李杨西安理工大学

学位级别：硕士

纺织品质量检测是纺织品生产过程中极其重要的环节,对纺织品进行有效的质量管理,对于及时发现织物的缺陷,降低产品次品率,提高产品品质具有十分重要的意义。传统的织物疵点人工检测方法尽管能辨识缺陷,但由于有些织物缺陷细微难以观测,... 详细信息

纺织品质量检测是纺织品生产过程中极其重要的环节,对纺织品进行有效的质量管理,对于及时发现织物的缺陷,降低产品次品率,提高产品品质具有十分重要的意义。传统的织物疵点人工检测方法尽管能辨识缺陷,但由于有些织物缺陷细微难以观测,受验布人员主观影响造成的漏检和误检现象已经成为制约纺织行业进一步发展的“瓶颈”。此外,传统的织物缺陷检测方法大多对于某类特定织物有很好的检测效果,难以适应多样化的缺陷和织物类型。深度学习方法因其强大的特征提取能力,为织物缺陷的自动化检测提供了新的手段,但现有的算法模型通常过于庞大,对硬件设备要求较高,且检测速度也难以满足大规模工业化生产的需求。针对以上问题,本文以深度学习为基础,提出基于轻量型卷积神经网络的织物缺陷检测方法。本文的主要工作内容如下:(1)构建织物缺陷数据集。对常见织物缺陷(断经、断纬、粗经、纬档、吊边、松边、花针、漏针、污迹、孔洞等)的几何特征和颜色特征进行分析,将织物缺陷分为经向缺陷、纬向缺陷、破洞、布边缺陷、针眼、污渍6类。通过几何变换、颜色变换、多目标图像构建三种数据增强策略对织物缺陷数据集进行扩充,对图像数据标注后完成织物缺陷数据集的建立。(2)针对传统的织物缺陷检测算法对小目标分类检测效果不佳的问题,提出一种基于EfficientNet-Yolov4的织物缺陷检测方法。使用轻量级卷积神经网络EfficientNet作为主干特征提取网络;引入空间金字塔池化结构增大特征图的感受野;引入路径聚合网络PANet进行特征图的多尺度特征融合,提高网络模型对小目标织物缺陷的辨识能力;采用K-means聚类算法对训练数据集中织物缺陷的先验框尺寸进行聚类分析,优化先验框宽高尺寸。实验结果表明,基于EfficientNet-Yolov4的织物缺陷检测方法在自制织物缺陷数据集上获得了 98.33%的平均准确率;相比于SSD、YOLOv4等当前主流单阶段检测算法,本章所提出算法对小目标织物缺陷图像信息的利用更加充分,大幅降低了各类织物缺陷检测的漏检率。(3)针对第三章所提出网络检测速度难以达到工业检测实时性要求的问题,提出一种基于改进mobilenetv3的织物缺陷检测方法。采用规模更小的mobilenetv3作为主干网络提取图像特征;引入多尺度加权双向特征融合网络BiFPN,在特征融合时通过增加可学习权重使网络能自适应调整不同输入特征的权重;用深度可分离卷积块替代结构中的3×3卷积轻量化网络结构;使用CIOU优化回归框位置损失函数。实验结果表明,基于改进mobilenetv3的织物缺陷检测方法在自制织物缺陷数据集上获得了 97.52%的平均准确率,检测速度达到了 30.82FPS。较第三章所提出方法,在损失少量检测精度的条件下,使其检测速度满足了工业生产实时性的需求。

关键词：织物缺陷检测深度学习 EfficientNet 网络 mobilenetv3网络

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

基于深度学习的海面漂浮垃圾检测研究及应用

基于深度学习的海面漂浮垃圾检测研究及应用

作者：韦波上海海洋大学

学位级别：硕士

随着我国沿海工业的持续发展以及海洋开发的不断深入,海面漂浮垃圾(Sea surface floating garbage)污染已经成为我国亟急需解决一个难题。海面漂浮垃圾不仅造成视觉污染,影响沿海旅游业,还可能破坏区域生态链。近年来,基于AI视频处理的... 详细信息

随着我国沿海工业的持续发展以及海洋开发的不断深入,海面漂浮垃圾(Sea surface floating garbage)污染已经成为我国亟急需解决一个难题。海面漂浮垃圾不仅造成视觉污染,影响沿海旅游业,还可能破坏区域生态链。近年来,基于AI视频处理的人工智能技术在医疗、遥感等领域得到了广泛应用,但利用视频监控实时识别海面漂浮垃圾的研究仍然较少。利用智能摄像头监测海面漂浮垃圾,可以实时掌握目标海域海面漂浮垃圾污染状况,为科学治理目标海域的垃圾污染提供支持。基于此,本文提出基于深度学习的海面漂浮垃圾检测及其应用的方法,该方法使用在不同地区拍摄的海面漂浮垃圾数据集,结合海康HEOP(Hikvision Embeded Open Platform,海康嵌入式开放平台)智能摄像头开展对海面漂浮垃圾的自动识别与分类等研究,并对所检测到海面漂浮垃圾进行数量统计,此外还提出了计算海面漂浮垃圾大小的方法,研究结果可以对我国的海面漂浮垃圾治理提供一定的参考。本文主要完成的工作如下:(1)计3D-CNN模型判断目标海域是否存在漂浮垃圾。对2021年5月-2022年8月之间不同地区拍摄的视频数据进行人工标注,分别以0、1表示无目标与有目标,对全部做好标注的视频数据进行分类,最终获得432段视频,其中背景单一的视频1678段。设计3D卷积神经网络模型,其中包括9个Conv3d层,8个Batch Norm3d层,10个PRe LU层,1个FC层以及1个Batch Norm1d层。将做好标注的单一背景数据集与复杂背景数据集分别放入模型中进行训练,并使用未参与训练的数据对模型性能进行测试。最终实验结果表明:在训练集上,单一背景下模型的Precision、Recall与F1值分别为98.88%、99.13%与98.88%,而复杂背景下模型的Precision、Recall与F1值分别为96.2%、95%与95.2%;在测试集上,模型的三个评价指标在单一背景与复杂背景下的值也均在98%与94%以上。说明本文所设计的3D-CNN模型具有较高的判断准确率,可以进行实际应用。(2)利用2D-CNN模型检测海面漂浮垃圾的类别与位置,计算垃圾的数量与大小。对2021年5月-2022年8月之间于不同地区拍摄的图片进行数据标注,分为“Driftwood”、“platic”与“other”三类。接着对YOLOV4模型进行优化,将原始特征提取网络修改为Mobile Net V3网络;并在Mobile Net V3网络第八层中加入SENet,将第三与第五层的Re LU修改为HS激活函数,以提高模型对目标区域的敏感度,同时避免Re LU激活函数出现的神经元死亡问题;最后利用Kmean++算法优化YOLOV4模型的先验框。最终结果表明,与传统two-stage模型以及同系列的YOLO模型相比,优化后的m AP值高达91.75%,是所有对比模型中最高,且实际检测效果也是所有模型中最优;此外,为探究加入后各个模块对优化后模型的影响,设计了消融实验分别计算加入各个模块后模型参数量与计算量的变化。同时,结合模型检测出的目标类别与位置,分别设计一种判断视频前后两帧所检测到目标是否为同一目标的方法与计算目标物体大小的方法,在视频前后两帧所检测到目标类别相同的情况下,通过计算前后两帧所检测到目标物体的面积之比、重合度大小、色差大小判断是否为同一物体,从而计算一段时间内所检测到目标的数量;计算目标物体大小的方法为根据海天线与摄像头所成夹角以及相机距离水面的距离,运用几何方法计算出所检测目标物体的大小。(3)利用HEOP完成对深度学习模型的实际应用,借助HIKFlow平台将训练好的深度学习模型转化为二进制bin文件,接着利用对转化好的bin文件再次通过HIKFlow平台完成推理库Demo文件的编写,最后利用HIKFlow平台的打包功能完成对深度学习模型的app转化并嵌入HEOP智能摄像头中。最终实地测试结果表明,将训练好的深度学习模型嵌入HEOP智能摄像头中能够准确检测出目标区域的漂浮垃圾。本研究的创新点主要体现在以下三点:(1)提出了3D-CNN模型,利用该模型判断目标区域是否存在漂浮垃圾,可以为相关工作人员提供较为准确的判断结果。确定有目标后用2D-CNN模型检测目标的类别与位置,减少海面浪花、光影等对2D-CNN模型检测的干扰。(2)对原始YOLOV4模型进行优化,使模型对漂浮垃圾检测的m AP值高达91.75%;同时还设计了计算检测区域目标数量的方法与计算目标大小的方法。为准确了解检测海域垃圾污染情况提供较多的参考信息。(3)借助HIKFlow平台将所训练的深度学习模型嵌入到海康HEOP智能摄像头中进行实际应用,实现数据的边缘计算,直接传回检测到目标的类别与位置等文本信息,避免了海上通信昂贵而传统摄像头直接传回图像导致的通讯费用较大的问题。

关键词：海面漂浮垃圾深度学习卷积神经网络 mobilenetv3网络 K-mean++ HEOP 边缘计算

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

对SSD模型改进与优化的人脸检测算法研究

单片机与嵌入式系统应用 2022年第6期22卷 51-56页

作者：宁小鸽张闯牟莉西安工程大学计算机科学学院西安710600

本文提出基于mobilenetv3 CBAM+SSD的人脸检测模型,首先将mobilenetv3轻量化网络代替SSD模型的主干特征提取网络VGG 16,提高了模型的检测速度,然后在SSD模型中引入CBAM轻量级注意力机制,提高了模型的检测精度,最后将本文所提算法与SSD和... 详细信息

本文提出基于mobilenetv3 CBAM+SSD的人脸检测模型,首先将mobilenetv3轻量化网络代替SSD模型的主干特征提取网络VGG 16,提高了模型的检测速度,然后在SSD模型中引入CBAM轻量级注意力机制,提高了模型的检测精度,最后将本文所提算法与SSD和mobilenetv3 SSD算法进行实验性能对比。实验结果表明,本文提出的人脸检测模型在DataSet数据集下平均精度均值达到94.58%,提高了9.91%,检测速度提高了42帧/s,计算参数和模型大小减少,基本满足应用要求。

关键词： SSD模型 mobilenetv3网络 CBAM注意力机制人脸检测

基于mobilenetv3的车道线检测算法分析

在线全文

学校读者我要写书评

暂无评论

汽车实用技术 2022年第23期47卷 71-76页

作者：朱冰冰甘海云林伟文天津职业技术师范大学汽车与交通学院天津300222

车道线检测是车辆辅助驾驶中的重要一环,为实现对车道线进行准确快速的检测,文章提出一种基于mobilenetv3网络的轻量型车道线检测算法。首先对mobilenetv3网络的深度可分离卷积模块进行改进,同时在其基础上加入空间注意力机制模块;然后... 详细信息

车道线检测是车辆辅助驾驶中的重要一环,为实现对车道线进行准确快速的检测,文章提出一种基于mobilenetv3网络的轻量型车道线检测算法。首先对mobilenetv3网络的深度可分离卷积模块进行改进,同时在其基础上加入空间注意力机制模块;然后将车道线表示为三阶多项式,利用优化的mobilenetv3网络对图像中车道线特征进行提取得到用来拟合三阶多项式的车道线参数;最后构建一种车道线回归模型,通过不断地对车道线参数进行修正以提高车道线检测精度。在Tusimple车道线数据集上的实际测试结果表明,提出的算法其图像帧处理速度为210 fps、检测准确度达到了83.35%,能够实时运行,且具有较高的检测精度。

关键词：车道线检测深度卷积神经网络多项式拟合辅助驾驶 mobilenetv3网络

一种基于mobilenetv3的行人检测算法研究

在线全文

学校读者我要写书评

暂无评论

现代电子技术 2023年第16期46卷 149-154页

作者：马志钢南新元高丙朋李恒新疆大学电气工程学院新疆乌鲁木齐830017

针对实时的行人检测算法要求模型具有轻量型和良好的鲁棒性,文中提出一种基于mobilenetv3的行人检测算法。该算法首先采用mobilenetv3作为模型的主干特征提取网络;然后通过深度可分离卷积替换PANet中的普通卷积,减少网络的复杂度;最后... 详细信息

针对实时的行人检测算法要求模型具有轻量型和良好的鲁棒性,文中提出一种基于mobilenetv3的行人检测算法。该算法首先采用mobilenetv3作为模型的主干特征提取网络;然后通过深度可分离卷积替换PANet中的普通卷积,减少网络的复杂度;最后引入注意力机制SE和ECA关注网络中重要的通道信息,加强模型的特征融合能力。实验结果表明:与YOLOv4算法相比,基于mobilenetv3的行人检测算法模型体积缩小78.03%,参数量也降低82.44%;且在实验数据集和INRIA数据集上,所提算法的平均精度(AP)分别提升3.98%和1.10%,检测速率分别提升8.08 f/s和7.89 f/s,检测时间也显著缩短,具有良好的检测性能。

关键词：行人检测算法 mobilenetv3网络 YOLOv4算法深度可分离卷积注意力机制检测性能

改进YOLOv5s的摩托车头盔佩戴检测算法

在线全文

学校读者我要写书评

暂无评论

四川轻化工大学学报（自然科学版） 2023年第3期36卷 50-58页

作者：张鑫周顺勇四川轻化工大学自动化与信息工程学院四川宜宾644000 人工智能四川省重点实验室四川宜宾644000

针对摩托车头盔佩戴检测准确率低和检测速率慢的问题,提出一种基于YOLOv5s的改进摩托车头盔检测算法。首先,在YOLOv5s的多尺度特征检测中增加浅层检测尺度和4倍上采样特征融合结构,以提升检测准确率。其次,引入卷积注意力模块(Convoluti... 详细信息

针对摩托车头盔佩戴检测准确率低和检测速率慢的问题,提出一种基于YOLOv5s的改进摩托车头盔检测算法。首先,在YOLOv5s的多尺度特征检测中增加浅层检测尺度和4倍上采样特征融合结构,以提升检测准确率。其次,引入卷积注意力模块(Convolutional Block Attention Module,CBAM),以提升对聚集目标的关注,有效解决因遮挡、重叠导致的漏检和误检问题。最后,使用mobilenetv3的Block结构替换主干网络及颈部中的瓶颈结构,实现了降低网络参数量的目的。实验结果表明,相较于YOLOv5s算法,改进算法的mAP提高了2.91%,检测速率达到了36 frame/s,在保证较高检测速率的同时检测精度更高,具有一定的应用价值。

关键词：头盔检测 YOLOv5s模型 CBAM注意力机制 mobilenetv3网络

在线全文

学校读者我要写书评

暂无评论

基于注意力特征融合的视觉问答模型

微电子学与计算机 2022年第4期39卷 83-90页

作者：李宽张荣芬刘宇红鲁鑫鑫贵州大学大数据与信息工程学院贵州贵阳550025

随着深度学习的兴起和不断发展,视觉问答领域的研究取得了显著进展,当前较多视觉问答模型通过引入注意力机制和相关迭代操作来提取图像区域与高频疑问词对的相关性,但在获取图像与问题的空间语义关联方面的有效性较低,从而影响答案的准... 详细信息

随着深度学习的兴起和不断发展,视觉问答领域的研究取得了显著进展,当前较多视觉问答模型通过引入注意力机制和相关迭代操作来提取图像区域与高频疑问词对的相关性,但在获取图像与问题的空间语义关联方面的有效性较低,从而影响答案的准确性.为此,提出一种基于mobilenetv3网络及注意力特征融合的视觉问答模型,首先,为优化图像特征提取模块,引入mobilenetv3网络,并加入空间金字塔池化结构,在减少网络模型计算复杂度的同时保证模型准确率.此外,对输出分类器进行改进,将其中的特征融合方式使用基于注意力特征融合方式连接,提升问答的准确率.最后在公开数据集VQA 2.0上进行对比实验,结果表明文章所提模型与当前主流模型相比更具优越性.

关键词：视觉问答注意力机制 mobilenetv3网络特征融合

基于mobilenetv3与注意力机制的脸型分类研究

在线全文

学校读者我要写书评

暂无评论

长江信息通信 2022年第1期35卷 13-16页

作者：段嘉伟杨迪许佳豪刘润利西安工程大学电子信息学院陕西西安710000

人脸形状是人脸识别、个性化推荐等应用中的重要信息。例如,在人脸识别前进行粗糙的人脸形状过滤,可以有效提高识别准确率和速度。同时,可以使用有效的脸型分类来构建发型和眼镜的推荐系统。基于此,文章提出了一种新的人脸形状分类算法... 详细信息

人脸形状是人脸识别、个性化推荐等应用中的重要信息。例如,在人脸识别前进行粗糙的人脸形状过滤,可以有效提高识别准确率和速度。同时,可以使用有效的脸型分类来构建发型和眼镜的推荐系统。基于此,文章提出了一种新的人脸形状分类算法。首先使用MTCNN网络进行人脸图像的裁剪与对齐。其次,将注意力机制与mobilenetv3网络相结合进行特征提取。最后,使用softmax对人脸形状进行分类。在特定数据集上的实验表明,与现有算法相比,本文提出的算法显著提高了人脸形状分类的准确性。

关键词：人脸裁剪脸型分类 mobilenetv3网络注意力机制

在线全文

学校读者我要写书评

暂无评论

基于轻量化模型的织物缺陷视觉检测方法研究

基于轻量化模型的织物缺陷视觉检测方法研究

作者：何欣颖广东工业大学

学位级别：硕士

为满足人们对高品质生活的追求,纺织品制造商已将质量控制作为不可或缺的环节之一,同时随着科学技术的发展,工业生产方式已往智能化方向发展。检测纺织品是否存在缺陷是控制其质量的重要环节之一,实现织物缺陷的自动检测,对保证纺织品... 详细信息

为满足人们对高品质生活的追求,纺织品制造商已将质量控制作为不可或缺的环节之一,同时随着科学技术的发展,工业生产方式已往智能化方向发展。检测纺织品是否存在缺陷是控制其质量的重要环节之一,实现织物缺陷的自动检测,对保证纺织品生产质量和提升生产环节的智能化有着重大意义。传统的织物缺陷检测方法大多对某类特定的织物有很好的检测效果,但难以适应各种各样的缺陷和织物类型。将深度学习运用到织物的缺陷检测,在检测不规则的缺陷形状和复杂背景的织物上,表现出了明显的优势,但现有的算法模型通常设计的过于庞大,若部署在配置不高的硬件设备上,则不利于满足某些工业任务对检测速度的要求。针对这些问题,本文以深度学习算法为基础,提出一种基于SSD的轻量化模型织物缺陷检测方法,在保证算法检测精度的同时,提高算法的检测速度。本文的主要工作内容如下:(1)搭建织物数据采集平台,采用基于伽马函数的自适应校正算法解决采集到的数据存在打光不均匀的问题。通过数据增强的方法将数据集扩充9倍且实现了对扩充后的数据自动标注缺陷位置。(2)提出一种轻量化的织物缺陷检测方法,使用轻量化卷积神经网络mobilenetv3-Large作为SSD的特征提取网络,构建目标检测算法mobilenetv3-SSD。为进一步提高特别是对小面积织物缺陷的检测精度,在mobilenetv3-SSD基础上加入特征融合模块和改进的RFB模块,丰富网络浅层特征层的语义信息和增大感受野,增强网络的特征提取能力;为解决位置回归损失函数与评价检测指标不等价的问题,通过DIoU优化损失函数,以此提高算法的收敛速度和精度。(3)将改进算法应用在织物缺陷数据集上,为验证改进算法的性能,在相同的实验平台条件下设计了对比实验,结果表明,得益于mobilenetv3高效的网络结构设计和对mobilenetv3-SSD的优化,改进算法在测试集上的平均精度均值为84.6%,检测速度为118FPS,模型大小缩小为原SSD的五分之一左右,实现了检测精度和速度之间的高效平衡,使算法部署到配置较低的硬件设备中成为可能。(4)以PyQt为平台,结合所提出的改进算法设计织物缺陷检测系统,实现在系统界面上实时显示织物缺陷检测结果。该系统包括在线检测模块和离线检测模块,具有将检测结果信息导入数据库的功能。本文以SSD算法为基础,对其进行了轻量化处理与改进,提出了一种轻量化的织物缺陷检测方法,通过实验验证了该算法在检测精度和速度之间的高效平衡,搭配软件系统使用,能达到辅助验布的目的。

关键词：织物缺陷检测深度学习 mobilenetv3网络 SSD算法