《表3 不同RPN网络检测的结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于R-FCN深层卷积神经网络的金属冲压件表面缺陷检测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

由于大部分凹坑和锈点的区域相对于整幅图像的尺度比较小，RPN网络在提取候选区域时十分容易漏掉较小的凹坑和锈点。因此，本文通过调整RPN网络的anchor box机制，在相同的卷积神经网络模型提取缺陷特征图后，使用不同anchor box的RPN网络进行试验。试验分别用原始的RPN网络和调整后RPN网络，分别在ZF、VGG16、R es Net-50、R es Net-101卷积神经网络模型上对试验结果的平均精度进行比较，其中注有*表示调整后的RPN网络，试验结果如表3所示。