《表4 加入ROI网络参数对比》
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
《基于改进的Faster-RCNN模型的汽车轮毂表面缺陷在线检测算法研究》
Faster-RCNN在得到一系列的候选框区域时,需要计算候选框区域的准确位置和精确分类。ROI-Pooling就是将特征图上大小不同的ROI池化成大小相同的特征图,使得输出的特征图的大小与ROI的大小和特征图谱大小无关,加快ROI-Pooling操作,大力地提升了候选框的处理速度。研究发现,在ROI-Pooling算法中采用双线性插值方式,对图像中的小目标进行处理,会产生像素的位置偏移,从而造成较大的误差[25]。为了提高性能,减少误差,本文提出采用ROI-Align算法来替代ROI-Pooling算法,将ROI区域映射为原图的方法改为最近邻插值法。通过对比实验发现,采用ROI-Align能够较大地提升网络的性能。
图表编号 | XD00145573400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.20 |
作者 | 朱超平、杨永斌 |
绘制单位 | 重庆工商大学人工智能学院、重庆市检测控制集成系统工程重点实验室、重庆工商大学人工智能学院、重庆市检测控制集成系统工程重点实验室 |
更多格式 | 高清、无水印(增值服务) |