期刊文献+
任意字段
题名或关键词
题名
关键词
摘要
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1,420篇文章
< 1 2 … 71 >
每页显示 20 50 100
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于改进Faster R-CNN的输变电工程塔基隐性病害GPR图像识别研究 认领 引用 被引量：1
1
作者 程江洲 杨静怡 +1 位作者 鲍刚 罗应权 《地球物理学进展》 CSCD 北大核心 2026年第1期442-452,共11页
针对输变电工程塔基因施工过程中操作不当及相关环境因素导致的混凝土隐性病害识别难题,本文提出了一种基于改进的Faster R-CNN网络GPR图像识别方法.首先,以ResNet-50为主干网络融合通道注意力机制,并通过层间位置对比实验优化了SE模块... 针对输变电工程塔基因施工过程中操作不当及相关环境因素导致的混凝土隐性病害识别难题,本文提出了一种基于改进的Faster R-CNN网络GPR图像识别方法.首先,以ResNet-50为主干网络融合通道注意力机制,并通过层间位置对比实验优化了SE模块的嵌入层级与位置,在强化关键特征提取的同时有效降低了计算冗余.其次,引入soft-NMS算法优化紧密相邻目标的边框预测精度,提高紧密相连目标的检测能力.最后,采用生成对抗网络扩增gprMax仿真生成的刚性直柱式基础GPR图像数据集,并对样本进行识别标注.实验结果表明,优化模型平均精度均值达到84.49%,F-Score为77.58%.相较于传统的FasterRCNN目标检测模型,改进模型识别精度提高了6.37%. 展开更多
关键词 探地雷达 隐性病害检测 Faster R-CNN 生成对抗网络
暂未订购 下载PDF
数字孪生环境下基于改进Mask R-CNN的焊接零件完备性检测方法 认领 引用
2
作者 刘根 闫新宇 +5 位作者 李浩 张玉彦 李琳利 翟中尚 王朋静 杨新宇 《航空制造技术》 EI CSCD 北大核心 2026年第6期61-70,共10页
随着智能化技术快速发展,生产线的全过程智能化程度决定了航空制造生产效率,航空制造中待焊接零件完备性的检测对零件的质量与安全性有着重要的影响。目前,焊接件完备性检测主要依靠人工检测和传感器检测。然而,当检测的目标过于细小,... 随着智能化技术快速发展,生产线的全过程智能化程度决定了航空制造生产效率,航空制造中待焊接零件完备性的检测对零件的质量与安全性有着重要的影响。目前,焊接件完备性检测主要依靠人工检测和传感器检测。然而,当检测的目标过于细小,同种类的零件区分度不够高时,传统方法易出现误检和漏检。本文提出了一种在数字孪生环境下基于改进Mask R-CNN的焊接零件完备性检测方法。利用数字孪生技术解决缺陷数据或危险区域数据难以获取的问题。采用Swin transformer网络替换Mask R-CNN的主干网络。为解决Swin transformer引起模型参数量增加的问题,使用深度可分离卷积代替网络中的原始卷积,减少参数量和计算量。试验表明,改进后Mask R-CNN的mAP提升了14.7个百分点,解决了同种类细微差别焊接零件检测困难的问题。 展开更多
关键词 航空制造 零件完备性检测 数字孪生 实例分割 改进Mask R-CNN
暂未订购 下载PDF
Mask R-CNN模型识别区域滑坡的方法研究 认领 引用
3
作者 揭鸿鹄 蒋水华 +3 位作者 常志璐 向晖 黄劲松 刘玉伟 《中国地质灾害与防治学报》 CSCD 2026年第2期16-25,共10页
快速准确地早期识别区域滑坡及其隐患是滑坡灾害防治的重要基础,而传统人工调查方法效率低、覆盖范围有限,亟需发展面向大区域的自动化滑坡识别方法。文章以香港西贡东郊野公园为研究区,采用掩码区域卷积神经网络(mask region-based con... 快速准确地早期识别区域滑坡及其隐患是滑坡灾害防治的重要基础,而传统人工调查方法效率低、覆盖范围有限,亟需发展面向大区域的自动化滑坡识别方法。文章以香港西贡东郊野公园为研究区,采用掩码区域卷积神经网络(mask region-based convolutional neural network,Mask R-CNN)构建区域滑坡自动识别框架。将DTM数据与卫星影像融合作为模型输入,通过迁移学习策略完成模型训练,并以置信度分数量化预测不确定性。结果表明:(1)融合数字地形模型(digital terrain model,DTM)后,训练集精确率由73.24%提升至86.75%,模型区分滑坡与道路的能力显著增强;(2)测试集召回率达71.43%,模型具备较好的泛化能力;(3)大多数预测样本的置信度分数高于0.7,识别结果具有较高可靠性。融合DTM与卫星影像的Mask R-CNN方法能够有效实现大区域滑坡自动检测与实例分割,为区域群发性滑坡识别及地质灾害预警提供了可靠的技术支撑。 展开更多
关键词 滑坡识别 深度学习 实例分割 MaskR-CNN模型 不确定性量化
暂未订购 下载PDF
基于改进Faster R-CNN-FPN的田间劳作行为目标检测算法 认领 引用
4
作者 周艳青 邹铭鑫 +2 位作者 姜新华 白洁 马学磊 《内蒙古农业大学学报（自然科学版）》 CAS 北大核心 2026年第1期77-86,共10页
劳作行为检测时存在着检测精度不高和漏检等问题,利用Faster R-CNN和FPN提出一种改进的劳作行为检测模型。首先,在Faster R-CNN框架基础上,引入特征金字塔网络FPN,用于提高较小目标的检测能力。然后,为提高模型对不同尺度目标的泛化能力... 劳作行为检测时存在着检测精度不高和漏检等问题,利用Faster R-CNN和FPN提出一种改进的劳作行为检测模型。首先,在Faster R-CNN框架基础上,引入特征金字塔网络FPN,用于提高较小目标的检测能力。然后,为提高模型对不同尺度目标的泛化能力,加入多尺度MS训练;并利用内容感知特征重组CARAFE上采样算子替换FPN中的双线性插值上采样方式,实现大范围内像素的关联。最后,在自建的数据集FWBD上对改进的Faster R-CNN-FPN检测模型进行训练和测试。结果表明:(1)与YOLOv3模型相比,改进的劳作行为识别算法mAP为69.40%;(2)与原始模型Faster、Faster-CARAFER、Faster-MS相比,改进的算法模型mAP值最高,达到了71.05%,说明改进的算法模型能有效地实现田间劳作行为的检测,对农业生产实践具有实际应用价值。 展开更多
关键词 田间劳作 行为检测 Faster R-CNN 特征金字塔网络 内容感知特征重组
暂未订购 下载PDF
基于Faster R-CNN的软包锂电池缺陷检测方法 认领 引用
5
作者 何涛 张成娟 +1 位作者 熊聪 曾臻 《热加工工艺》 CAS 北大核心 2026年第11期126-132,共7页
针对软包锂电池表面缺陷检测困难的问题,提出一种基于Faster R-CNN的检测方法。通过向主干网络ResNet50中引入特征网络金字塔模型,融合高级特征层的语义信息和低级特征层的细节信息,提高网络对小目标缺陷的检测精度;引入十字交叉注意力... 针对软包锂电池表面缺陷检测困难的问题,提出一种基于Faster R-CNN的检测方法。通过向主干网络ResNet50中引入特征网络金字塔模型,融合高级特征层的语义信息和低级特征层的细节信息,提高网络对小目标缺陷的检测精度;引入十字交叉注意力机制,使网络关注缺陷特征,并抑制反光的背景信息;利用兴趣区域对齐(ROI Align)避免因感兴趣区域池化操作产生的两次量化误差影响网络对缺陷的检测精度。实验结果表明,改进模型的m AP达到80.2%,相较于Faster R-CNN提升了3.9%,具有一定的工程应用价值。 展开更多
关键词 缺陷检测 小目标缺陷 Faster R-CNN 注意力机制 多尺寸特征融合
暂未订购 下载PDF
改进Faster R-CNN算法在箱体盘点中的应用 认领 引用
6
作者 康朝海 唐贵鑫 +2 位作者 任伟建 王树峰 孙勤江 《计算机与数字工程》 2026年第2期577-582,共6页
针对仓储货架密集罗列的箱体盘点问题,提出一种改进的Faster R-CNN目标检测算法,首先使用EfficientNetb1替代VGG16作为主干特征提取网络,利用深度可分离卷积和压缩与激活网络组成的MBConv模块代替卷积神经网络,对图像的有效信息进行提取... 针对仓储货架密集罗列的箱体盘点问题,提出一种改进的Faster R-CNN目标检测算法,首先使用EfficientNetb1替代VGG16作为主干特征提取网络,利用深度可分离卷积和压缩与激活网络组成的MBConv模块代替卷积神经网络,对图像的有效信息进行提取,解决检测网络精度低和参数量高的问题;其次,采用双线性插值方式解决池化阶段误差问题;最后在回归预测阶段使用Swish激活函数替代ReLU激活函数,减少坏死神经元数量。实验证明:改进的Faster R-CNN目标检测算法mAP值达到66.92%,高于改进前mAP值30.93%,模型参数量降低成原参数量的1/5。在检测图像中,箱体检测整体的数量和分类正确率有明显提高,证明了改进算法在箱体盘点应用中的可行性。 展开更多
关键词 计算机视觉 Faster R-CNN EfficientNet 箱体识别 分类计数
暂未订购 下载PDF
基于改进Mask R-CNN及航空发动机孔探图像的叶片损伤检测 认领 引用
7
作者 马敏 韩晓文 +2 位作者 曹之达 王超 梁潇 《推进技术》 EI CAS CSCD 北大核心 2026年第6期154-162,共9页
准确识别航空发动机叶片的微小损伤,对于发动机的维护有着非常重要的意义。为解决航空发动机孔探图像检测中小目标漏检、特征表现模糊、判别不足等问题,提出一种基于Mask R-CNN及航空发动机孔探图像的叶片损伤检测改进算法。该算法在特... 准确识别航空发动机叶片的微小损伤,对于发动机的维护有着非常重要的意义。为解决航空发动机孔探图像检测中小目标漏检、特征表现模糊、判别不足等问题,提出一种基于Mask R-CNN及航空发动机孔探图像的叶片损伤检测改进算法。该算法在特征提取阶段加入坐标注意力机制(Coordinate Attention,CA),增加可变形卷积(Deformable Convolutional Networks v3,DCNv3),自适应采样不同的位置,加强特征表达能力。并设计出一种复合损失函数QBD-Loss,由分类分支的质量焦点损失(Quality Focal Loss,QFL)、掩码分支的二值交叉熵(Binary Cross Entropy,BCE)损失和Dice损失组成,提高了小目标以及不规则形状的分割精度。研究结果表明:改进后的Mask R-CNN模型在多尺度损伤识别方面表现出更强的适应能力,其中平均精度均值(mAP@50%)达到87.55%,相比于原Mask RCNN模型提高了2.02百分点,相比YOLOv8s和Mask2Former模型分别提高了1.8百分点和0.74百分点。这表明所提出的改进方法在航空发动机孔探损伤检测任务中具有合理性和有效性。 展开更多
关键词 航空发动机 叶片损伤 目标检测 深度学习 Mask R-CNN
暂未订购 下载PDF
基于改进Faster R-CNN的目标检测算法研究 认领 引用
8
作者 曲雅婷 贾得顺 《汽车实用技术》 2026年第6期8-13,共6页
针对自动驾驶车辆在复杂场景中的目标识别不精准的问题,文章提出了一种基于Faster R-CNN的改进型目标检测算法,采用残差网络(ResNet-50)来增强多尺度特征提取能力,优化锚框尺寸,借助多尺度卷积特征融合的方式来整合不同层次的特征,显著... 针对自动驾驶车辆在复杂场景中的目标识别不精准的问题,文章提出了一种基于Faster R-CNN的改进型目标检测算法,采用残差网络(ResNet-50)来增强多尺度特征提取能力,优化锚框尺寸,借助多尺度卷积特征融合的方式来整合不同层次的特征,显著提升了目标检测模型对复杂场景的适应性。实验结果表明,改进型Faster R-CNN在整个召回率范围内均表现出更优的性能,尤其在高召回率区域依然能够保持较高的平均度均值(mAP)值,显示出良好的鲁棒性和泛化能力,验证了改进型Faster R-CNN算法的有效性,能够提升自动驾驶车辆在复杂场景中识别目标的精准度。 展开更多
关键词 自动驾驶 目标识别 Faster R-CNN 特征融合
暂未订购 下载PDF
基于YOLOv5-R-CNN的海域空间自然资源立体化分布仿真分析 认领 引用
9
作者 张胜伟 何冬晓 +1 位作者 侯健 陈香伊 《海洋技术学报》 2026年第2期96-106,共11页
由于海域空间环境复杂,获取的海域内水下图像往往会出现雾化、色彩偏差、边缘模糊等问题,进而影响分析结果的准确性,为此,本文将YOLOv5(You Only Look Once version 5)和区域卷积神经网络(Region-based Convolutional Neural Network,R-... 由于海域空间环境复杂,获取的海域内水下图像往往会出现雾化、色彩偏差、边缘模糊等问题,进而影响分析结果的准确性,为此,本文将YOLOv5(You Only Look Once version 5)和区域卷积神经网络(Region-based Convolutional Neural Network,R-CNN)融合,建立了基于YOLOv5-R-CNN融合模型的海域空间自然资源立体化分布仿真分析方法。借助R-CNN模型结合光波削减规律,去除原始海域空间图形的雾化情况,并校正图形颜色,以提升海域内水下图像质量。引入缓存资源分配机制(Cache Resource Allocation Mechanism,CRAM)通道融入空间注意机制,自适应学习YOLOv5多通道权重信息,通过YOLOv5快速筛选海域内自然资源潜在目标,构建YOLOv5与R-CNN的融合模型。利用该模型识别定位自然资源,并依据其空间分布特征建立海域视平面网格,结合闵可夫斯基差理念判断点集交集,计算色调映射平均光照,构建海域空间自然资源仿真立体化分布模型。基于该模型分析自然资源多层次分布,利用R-CNN预测框识别资源类型,通过平方误差距离立体匹配确定资源边界框,实现对海域空间自然资源立体化分布的仿真分析。实验结果表明:该方法分析的自然资源预测框与实际结果之间差距不足5 cm,准确分析了海域空间自然资源立体化分布情况,为海洋资源开发提供可靠依据。 展开更多
关键词 YOLOv5-R-CNN 海域空间 立体化分布 自然资源 图像增强
暂未订购 下载PDF
基于改进Faster-R-CNN的起重设备轨道缺陷检测方法 认领 引用
10
作者 陈洪良 张燕超 +1 位作者 潘爱华 明阳 《起重运输机械》 2026年第6期75-80,共6页
文中针对起重设备轨道缺陷检测经验依赖性强、智能化程度低的特点,研究一种基于改进FasterR-CNN模型的起重设备轨道缺陷检测方法。所述方法利用起重设备轨道缺陷检测车对起重轨道的上表面、左右侧面进行视频图像采集,并将采集的视频文... 文中针对起重设备轨道缺陷检测经验依赖性强、智能化程度低的特点,研究一种基于改进FasterR-CNN模型的起重设备轨道缺陷检测方法。所述方法利用起重设备轨道缺陷检测车对起重轨道的上表面、左右侧面进行视频图像采集,并将采集的视频文件用视频拆解、透视校正、帧差检测等方法进行图像预处理;然后将图像数据导入经过改进的Faster R-CNN模型中进行缺陷数量、缺陷种类检测并确定缺陷位置,最终将完成检测标注的图像拼接成完整的轨道图像进行输出,使检测人员能直观看到当前轨道缺陷信息,便于其对轨道情况有清晰的认知,并对轨道检修保养等行为提供数据支撑。 展开更多
关键词 起重设备 轨道缺陷检测 Faster R-CNN 图像处理
暂未订购 下载PDF
一种预焙阳极表面氧化缺陷的Mask R-CNN检测方法 认领 引用 被引量：1
11
作者 刘博超 赵利平 +1 位作者 李国彦 刘立春 《机械设计与制造》 北大核心 2026年第2期33-36,41,共4页
为实现预焙阳极表面氧化缺陷的在线检测,采用Mask R-CNN对预焙阳极表面氧化缺陷进行检测。该方法以线扫描法采集到的图像数据作为输入,以ResNet101为网络骨架,经过特征提取网络获取图像中的特征信息,然后在区域推荐网络(RPN)中采用K-me... 为实现预焙阳极表面氧化缺陷的在线检测,采用Mask R-CNN对预焙阳极表面氧化缺陷进行检测。该方法以线扫描法采集到的图像数据作为输入,以ResNet101为网络骨架,经过特征提取网络获取图像中的特征信息,然后在区域推荐网络(RPN)中采用K-means聚类算法生成Anchor进而输出感兴趣区域(ROI),最终通过ROI Align以及预测网络输出类别信息以及边框信息,完成预焙阳极表面氧化缺陷的检测。试验结果表明,该方法能够有效的检测出预焙阳极表面氧化缺陷,并且准确率能达到95%,满足预焙阳极在线检测的标准。 展开更多
关键词 预焙阳极 氧化缺陷 深度学习 Mask R-CNN K-means聚类算法
暂未订购 下载PDF
基于改进Faster R-CNN的冬枣新鲜度判别 认领 引用
12
作者 戴浩天 刘文联 +2 位作者 朱美燕 张玲 朱良 《食品与机械》 CAS CSCD 北大核心 2026年第1期93-100,共8页
[目的]针对冬枣新鲜度判别需求,提出一种基于深度学习的判别方法,将冬枣分为5个新鲜度阶段,旨在提高判别准确性并减少光线反射影响。[方法]提出了一种结合高效ResNet、注意力机制与Faster R-CNN的冬枣新鲜度判别方法。利用ResNet对图像... [目的]针对冬枣新鲜度判别需求,提出一种基于深度学习的判别方法,将冬枣分为5个新鲜度阶段,旨在提高判别准确性并减少光线反射影响。[方法]提出了一种结合高效ResNet、注意力机制与Faster R-CNN的冬枣新鲜度判别方法。利用ResNet对图像进行卷积处理,提取全局特征图;通过通道注意力模块强化关键特征,结合特征金字塔网络(FPN)提取多尺度信息。Faster R-CNN从中选取候选区域,经过ROI池化后输入全连接层,通过多角度损失函数优化模型性能。通过硬度、电导率、维生素C和多酚含量等理化指标验证模型效果。[结果]改进的Faster R-CNN模型在新鲜度判别上的准确率达到98.60%。[结论]改进的Faster R-CNN模型在小规模样本下的表现优于现有方法。 展开更多
关键词 冬枣 新鲜度判别 Faster R-CNN 注意力机制 特征金字塔 小规模
暂未订购 下载PDF
基于改进Faster R-CNN的星敏感器抗干扰快速星像提取算法研究 认领 引用
13
作者 王晨 季卫林 +3 位作者 吴峰 朱锡芳 吴泉英 孙文卿 《传感技术学报》 CAS CSCD 北大核心 2026年第2期322-331,共10页
星敏感器工作在复杂的空间环境,强噪声干扰将严重影响其姿态测量的效果。星像提取是星敏感器星图识别和姿态估算的必要前提,研究抗干扰的快速星像提取算法是提高星敏感器性能的有效途径。结合星敏感器星像目标特点,提出基于改进Faster R... 星敏感器工作在复杂的空间环境,强噪声干扰将严重影响其姿态测量的效果。星像提取是星敏感器星图识别和姿态估算的必要前提,研究抗干扰的快速星像提取算法是提高星敏感器性能的有效途径。结合星敏感器星像目标特点,提出基于改进Faster R-CNN的星敏感器抗干扰快速星像提取算法。首先,在研究Faster R-CNN的基础上,通过构建星像特征提取网络,优化FPN和RPN结构,实现星像快速粗提取,确定各星像所在区域。然后,提出基于像素筛选的星像质心精提取算法,计算高精度的星像质心坐标,最终实现强噪声干扰环境下的快速星像提取。利用星敏感器仿真方法建立星图数据集,开展以星像特征提取网络为主干网的星像提取网络训练和星敏感器星像提取实验。结果表明,在添加概率分布分别为50和0.08的泊松-高斯复合噪声条件下,提出算法的星像目标识别率达到97.6%,对于1024×1024像元的单幅星图,平均处理时间小于30 ms,星像提取精度达到0.03个像元,优于扫描法和矢量法。 展开更多
关键词 星敏感器 星像提取 目标检测 Faster R-CNN 抗干扰
暂未订购 下载PDF
基于RDS-Mask R-CNN的绵羊姿态自动检测方法研究 认领 引用
14
作者 甘霖惠 杜佳磊 +4 位作者 麻晓丽 余有信 朱文博 刘宇 王步钰 《中国农业大学学报》 CAS CSCD 北大核心 2026年第2期172-182,共11页
绵羊的姿态与其健康及福利密切相关。随着智能化畜牧业需求的增长,自动、准确地检测绵羊姿态尤为尤为重要。本研究提出基于Mask R-CNN基准网络的新型RDS-Mask R-CNN绵羊姿态检测算法,以Res2Net101作为特征提取网络,同时引入可变形卷积(D... 绵羊的姿态与其健康及福利密切相关。随着智能化畜牧业需求的增长,自动、准确地检测绵羊姿态尤为尤为重要。本研究提出基于Mask R-CNN基准网络的新型RDS-Mask R-CNN绵羊姿态检测算法,以Res2Net101作为特征提取网络,同时引入可变形卷积(Deformable convolution network,DCN),以更精准捕捉绵羊在不同位置的姿态特征,并运用软非极大值抑制(Soft non-maximum suppression,Soft NMS)算法实现重叠实例目标的准确分割。结果表明:1)目标检测框架算法对比:与该领域最经典的YOLOv3和Faster R-CNN相比,改进的算法在平均精度均值(Mean average precision,mAP)上分别提升了16.68%和8.64%;2)不同改进策略的算法对比:改进算法相较于基准网络,边界框平均精度均值(Bounding box mean average precision,Bbox mAP)提高6.21%,分割平均精度均值(Segmentation mean average precision,Segm mAP)提高6.61%,分别达到87.34%和81.50%;3)相较于Mask R-CNN,改进模型在识别绵羊站立与躺卧姿态时边界框平均精度(Bounding box average precision,Bbox AP)分别提高了6.84%和5.58%,分割平均精度(Segmentation average precision,Segm AP)分别提高了7.25%和5.17%;4)模型可解释性可视化结果表明RDS-Mask R-CNN能精准捕获绵羊站立和躺卧姿态关键部位深度特征,表明模型自动检测可行且具有可解释性。综上,本研究提出的RDS-Mask R-CNN算法,有效提升了绵羊姿态检测的精准度,为智慧养殖提供了技术支撑。 展开更多
关键词 绵羊姿态识别 RDS-Mask R-CNN 可变形卷积
暂未订购 下载PDF
基于无人机影像和Mask R-CNN算法的红松单木识别 认领 引用
15
作者 陈昊 全迎 +3 位作者 马新泰 卞少杰 王斌 李明泽 《应用生态学报》 CAS CSCD 北大核心 2026年第5期1539-1548,共10页
本研究基于大疆禅思P1无人机获取帽儿山实验林场红松阔叶混交林的高分辨率正射影像,构建红松单木树冠识别数据集,采用Mask R-CNN开展红松单木树冠识别、边界分割及冠幅提取研究,并在相同硬件条件下与YOLOv9进行对比,明确两类模型在识别... 本研究基于大疆禅思P1无人机获取帽儿山实验林场红松阔叶混交林的高分辨率正射影像,构建红松单木树冠识别数据集,采用Mask R-CNN开展红松单木树冠识别、边界分割及冠幅提取研究,并在相同硬件条件下与YOLOv9进行对比,明确两类模型在识别精度与推理效率上的适用差异;同时,以红旗林场红松人工纯林和露水河林业局红松阔叶混交林为对象,利用帽儿山样地训练得到的Mask R-CNN模型开展跨林型迁移试验,评价其在不同林分条件下的泛化能力及对训练样本规模变化的响应特征。结果表明:在帽儿山实验林场红松阔叶混交林中,Mask R-CNN树冠检测的平均精度(交并比为0.5)、精确度、召回率和F1值(精确度和召回率的调和平均数)分别为0.83、0.79、0.82和0.80,树冠边界分割对应指标分别为0.82、0.78、0.92和0.87,冠幅预测决定系数(R2)为0.89,均方根误差(RMSE)为0.42 m,整体精度优于YOLOv9;YOLOv9推理速度为63.7 FPS,为Mask R-CNN的4.3倍,更适于大范围快速定位。迁移试验表明,Mask R-CNN在红旗林场红松人工纯林中的初始检测和分割精度分别为0.82和0.80,表现较稳定;在露水河林业局红松阔叶混交林中的初始检测和分割精度分别为0.44和0.42,虽然初始精度较低,但随训练样本增加提升更为显著。综上,Mask R-CNN在红松单木识别、树冠边界分割及冠幅估计方面具有更好的适用性,YOLOv9则在大范围快速清查场景中更具效率优势。本研究可为东北地区红松资源调查、结构参数提取与动态监测提供技术支撑。 展开更多
关键词 红松 单木识别 树冠分割 Mask R-CNN YOLOv9 无人机影像
暂未订购 下载PDF
面向瓦楞形线芯结构参数提取的Mask R-CNN实例分割模型 认领 引用
16
作者 陈伟超 介婧 +2 位作者 侯北平 郑慧 于爱华 《浙江科技大学学报》 2026年第3期281-291,共11页
【目的】瓦楞形线芯紧压系数高、结构复杂,导致结构参数检测精度不高,对此提出一种基于改进掩码区域卷积神经网络(mask region-based convolutional neural network,Mask R-CNN)的实例分割模型。【方法】首先,在主干网络中嵌入卷积注意... 【目的】瓦楞形线芯紧压系数高、结构复杂,导致结构参数检测精度不高,对此提出一种基于改进掩码区域卷积神经网络(mask region-based convolutional neural network,Mask R-CNN)的实例分割模型。【方法】首先,在主干网络中嵌入卷积注意力模块(convolutional block attention module,CBAM),以增强其对线芯边缘与间隙的特征感知能力;然后,设计层级化标注方法并重构分类分支,使模型聚焦于学习不同层级间的形态差异,以提升实例判别与分割鲁棒性;最后,优化损失函数,强化其对复杂边缘结构的感知,提高掩码边界的分割精度。【结果】在自建瓦楞形线芯数据集上的试验结果表明,模型的平均精度均值达到87.35%,较原模型提升约7.8%;基于分割结果进行瓦楞形线芯根数统计,结果表明其准确率可达98.7%,显著优于其他对比模型。【结论】本研究为瓦楞形线芯的自动化、高精度质量检测提供了一种有效的技术方案。 展开更多
关键词 瓦楞形线芯 Mask R-CNN CBAM 层级化标注 损失函数
暂未订购 下载PDF
一种用于创面检测的改进Faster R-CNN方法 认领 引用
17
作者 张斯斯 史忠祥 +3 位作者 江峰 丁敏 刘聪聪 段飞 《四川大学学报（医学版）》 CAS CSCD 北大核心 2026年第3期853-860,共8页
目的通过引入注意力增强机制和改进后处理策略,对更快的基于区域的卷积神经网络(faster regionbased convolutional neural network,Faster R-CNN)进行改进,即用于创面检测的改进Faster R-CNN方法(wound detection method based on impr... 目的通过引入注意力增强机制和改进后处理策略,对更快的基于区域的卷积神经网络(faster regionbased convolutional neural network,Faster R-CNN)进行改进,即用于创面检测的改进Faster R-CNN方法(wound detection method based on improved faster R-CNN,WD-IFRCNN),以提高创面检测的准确性和稳定性。方法①算法构建:以50层残差网络(50-layer residual network,ResNet-50)为主干网络,在第4残差阶段(convolutional stage 4,Conv4_x)和第5残差阶段(convolutional stage 5,Conv5_x)嵌入模糊注意力引导模块(fuzzy mask attention module,FMAM)协同的卷积块注意力模块(convolutional block attention module,CBAM),以增强模型对创面关键区域及边界模糊区域的特征表达能力;同时采用软非极大值抑制(soft non-maximum suppression,Soft-NMS)替代传统非极大值抑制策略,以减少重叠目标场景中的漏检。②算法验证:实验数据集由开源创面图像和临床采集图像构成,共740张原始图像,经数据增强后扩展至5920张,并采用十折交叉验证进行评估。通过内部验证、外部验证、超参数调优和消融实验,采用精确率、召回率、平均精确率和F1分数等指标对模型性能进行评价。结果①内部验证表明,同时在ResNet-50的Conv4_x和Conv5_x阶段嵌入CBAM时模型性能最佳;采用ResNet-50-CBAM作为主干网络时,模型检测效果优于VGG16和ResNet-50。②外部验证表明,WD-IFRCNN的精确率、召回率、平均精确率和F1分数分别达到92.31%、93.95%、92.33%和0.93,其中平均精确率较SSD、YOLOv4、YOLOv5、YOLOv8、DETR、RT-DETR和FR-CNN-FPN分别提高3.21%、2.30%、1.39%、0.86%、0.82%、0.37%和0.63%。③消融实验表明,CBAM、FMAM和Soft-NMS均对模型性能提升具有积极作用,三者联合时检测效果最佳。结论WDIFRCNN能够有效增强模型对创面关键区域及模糊边界区域的特征表达能力,提高创面检测的准确性和稳定性,对复杂创面场景具有较好的适应性,可为临床创面评估与辅助诊断提供一定的技术支持。 展开更多
关键词 创面检测 Faster R-CNN 卷积块注意力模块 模糊注意力引导模块 软非极大值抑制
暂未订购 下载PDF
基于改进Faster R-CNN的工业零件表面缺陷检测 认领 引用
18
作者 赵卓然 堵威 +1 位作者 姜庆超 曹志兴 《控制工程》 CSCD 北大核心 2026年第5期805-812,共8页
为提高工业生产线中金属零件表面瑕疵检测精度,提出了一种基于改进Faster RCNN的缺陷检测网络。首先,在特征提取阶段增加多个感受野,以提取到更细致的特征信息;在区域建议阶段使用级联RPN网络和自适应卷积结构,逐步细化建议框的位置;在... 为提高工业生产线中金属零件表面瑕疵检测精度,提出了一种基于改进Faster RCNN的缺陷检测网络。首先,在特征提取阶段增加多个感受野,以提取到更细致的特征信息;在区域建议阶段使用级联RPN网络和自适应卷积结构,逐步细化建议框的位置;在感兴趣区域特征提取阶段,聚合FPN所有输出层的特征信息,以充分利用获取到的缺陷特征信息,这些改进从网络结构上提高了模型对小瑕疵和形状不规则瑕疵的检测能力。最后,实验结果表明,与当前最优的目标检测网络相比,此方法具有更高的精度,可以广泛应用于检测金属零件表面的腐蚀、划痕、划伤、积屑瘤等缺陷。 展开更多
关键词 瑕疵检测 Faster R-CNN算法 金属零件 小瑕疵和形状不规则瑕疵
暂未订购 下载PDF
基于优化Cascade R-CNN的文献关键信息识别算法研究 认领 引用
19
作者 常星花 尉向前 王建荣 《忻州师范学院学报》 2026年第2期36-43,共8页
文献管理是科研过程中的重要组成部分,因此,提取文献关键信息显得尤其重要。为解决传统方法在提取文献关键信息时的局限性,文章提出一种基于优化Cascade R-CNN的关键信息识别算法。该方法以高分辨率网络(HRNet)为主干,保留图像细节特征... 文献管理是科研过程中的重要组成部分,因此,提取文献关键信息显得尤其重要。为解决传统方法在提取文献关键信息时的局限性,文章提出一种基于优化Cascade R-CNN的关键信息识别算法。该方法以高分辨率网络(HRNet)为主干,保留图像细节特征以提升小目标检测精度;融入EMA注意力机制提升模型效率;采用Focal Loss缓解正负样本不均衡问题并加强对难分样本的关注;结合Mixup数据增强提升泛化能力。通过优化锚框设计匹配文献关键信息的形态特征,并利用Cascade R-CNN多级检测框架逐步细化定位结果。在自建数据集上的实验表明,该算法AP达70.1%,AP0.5达95.5%,显著提升了检测准确率。 展开更多
关键词 文献关键信息 目标检测 Cascade R-CNN HRNet 注意力机制
暂未订购 下载PDF
改进Faster R-CNN的光伏组件热斑缺陷识别方法 认领 引用
20
作者 谭小瑶 雷亮 +2 位作者 杨泛舟 李斌 易灿灿 《红外技术》 CSCD 北大核心 2026年第1期105-112,共8页
光伏组件热斑缺陷直接导致光伏电站发电效率低下,甚至引发火灾。针对光伏组件热斑缺陷识别精度低的问题,提出了改进Faster R-CNN的光伏组件热斑缺陷识别方法。首先,在Faster R-CNN目标检测模型的基础上,引入ResNet101与EFPN特征金字塔... 光伏组件热斑缺陷直接导致光伏电站发电效率低下,甚至引发火灾。针对光伏组件热斑缺陷识别精度低的问题,提出了改进Faster R-CNN的光伏组件热斑缺陷识别方法。首先,在Faster R-CNN目标检测模型的基础上,引入ResNet101与EFPN特征金字塔融合网络代替VGG16,用于提升模型对小目标缺陷的检测精度;其次,使用全局平均池化代替全连接层,减少Faster R-CNN模型计算的参数量。最后,采用热重启余弦退火策略更新学习率,提升模型在训练过程中的收敛速度。经过实验验证并与其他模型对比,改进Faster R-CNN模型在光伏组件热斑缺陷识别任务中精确率达94.8%。结果表明,改进的Faster R-CNN相较于其他模型如YOLOv5和SSD,对于光伏组件热斑缺陷识别任务有良好的实用性和准确率。 展开更多
关键词 Faster R-CNN 红外目标检测 热斑 光伏组件 故障诊断 ResNet101
暂未订购 下载PDF
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 71 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈