- 博客(6)
- 收藏
- 关注
RSS订阅原创 LE-MSFE-DDNet:基于微光增强和多尺度特征提取的缺陷检测网络--论文笔记
论文的英文名称为：LE–MSFE–DDNet: a defect detection network based on low‑light enhancement and multi‑scale feature extraction来自期刊The Visual Computer,工程技术4区。1.相关背景 工业产品表面缺陷检测已成为一个很有前途的研究领域。在现有的缺陷检测算法中，大多数基于cnn的方法都能在理想的实验条件下完成缺陷检测任务。 然而，在实际生产环境中，工业产品种类繁多，导致带有缺陷
2021-12-15 16:11:10
3831
1
原创 基于深度区域的金字塔神经网络用于铝合金表面各种缺陷的自动检测和多分类—论文笔记
声明：论文英文名称 -A deep region-based pyramid neural network for automatic detection and multi-classification of various surface defects of aluminum alloys1. 相关背景 铝合金是建筑和土木工程中最重要的建筑材料之一，广泛应用于桥梁、道路、大跨度屋顶系统、输电塔、海上油气平台等领域。然而，铝合金在生产、运输和储存的过程中，表面会出现各种类型的缺陷。下图给出了9种常
2021-11-24 14:43:24
2025
1
原创 基于深度学习的复杂背景下目标检测研究—论文解读
1. 创新点 论文主要针对模型训练中出现的正负样本不均衡问题，根据困难样本挖掘原理，在原有的损失函数中引入调制因子，将背景部分视为简单样本，减小背景损失在置信损失中的占比，使得模型收敛更快速，模型训练更充分，从而提高了复杂背景下的目标检测精度。同时，通过构建特征金字塔和融合多层特征图的方式，实现对低层特征图的语义信息融合增强，以提高对小目标检测的精度，从而提高整体的检测精度。2. 实现方法 本文检测模型以传统的基础网络VGG16 为基础，并添加深层卷积网络而构成。前部分浅层网络采用卷积神经网络提取
2021-10-29 11:24:53
2697
1
原创 多尺度特征融合的目标检测算法-论文解读
1.论文声称的创新点 论文中的创新点主要体现在网络结构的创新上，作者提出了一种基于SSD多尺度特征融合（Multi-scale Feature Fusion Single Shot Detector，MFF-SSD）的目标检测模型。将高层特征与低层特征进行融合，并提出了融合模块，实现不同尺度的特征提取。 高层特征图对目标的抽象程度更深，包含充分的全局信息，具有较大的感受野和较强的上下文语义信息表征能力，因此对目标位置的判定更加准确；而低层特征图的空间分辨率要高于高层特征图，能够更加准确地识别出更多的
2021-09-21 10:14:04
4377
原创 基于多尺度特征融合的红外小目标目标检测方法-论文解读
1.论文的创新点针对目前红外小目标检测算法在复杂背景下检测准确率低，虚警率高等缺点，提出一种基于多尺度特征融合的端到端红外小目标检测模型**（multi-scale feature fusion single shot multibox detecto，MFSSD）。该模型由三部分组成：特征提取，SP模块，FFM模块，同时采用sub-pixel convolutional layer和pathway layer来取代上采样和下采样。2.实现方法在特征提取部分，采用SSD算法主干网络，FFM模块主要由s
2021-09-21 09:12:49
2548
3
原创 Pytorch-解决Yolov5模型中pycocotools安装失败的问题（亲测有效）！！
很多同学在使用Yolov5模型训练数据时，对于安装包总是很头疼，尤其是pycocotools的安装，我本人是深度学习入门小白，在网上搜了很多资料，有的同学可以按照提示安装Microsoft Visual Studio后重启电脑可以安装成功，但是有的同学则还是安装失败，比如本人????。 但是功夫不负有心人，我最终找到了一个适合所由同学的最方便、最有效的方法，现在分享给大家！！将下面链接复制到百度网盘，直接下载pycocotools安装包链接：https://pan.baidu.com/s/1e
2021-09-17 11:28:09
4204
27
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人