科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对传统布匹瑕疵检测方法无法适用于尺度变化大、面积占比小的瑕疵特征，提出一种基于可变形密集卷积神经网络模型。为了关注到图像中距离较远的特征信息，并避免捕获纹理信息，采用可变形卷积来增强特征的语义表达能力。通过在卷积层中设置卷积像素相对于中心像素各自的x,y方向偏移量，并利用反向传播训练偏移量以增加感受野的变形适应性。同时，采用密集连接的方式以保持模型不遗漏边缘瑕疵信息。最后，根据瑕疵类别预测和位置边框回归实现瑕疵的分类和定位检测。实验结果表明：该模型的平均检测精度和单类目标检测精度标准差分别为93.53%,2.513 9,相比于其他方法更具有竞争力。
- 单位
