《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》
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。
图表编号 | XD00131567500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.10 |
作者 | 苑丹丹、阎相伊、路丹丹、李宁 |
绘制单位 | 天津工程机械研究院有限公司 |
更多格式 | 高清、无水印(增值服务) |