《表3 3种算法进行边界框回归的具体坐标》

  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

《改进FPN的Mask R-CNN工业表面缺陷检测》

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

图5和图6中的（a）～（b）分别Faster R-CNN、Mask R-CNN和本文算法对缺陷4和缺陷8边界框进行回归的结果。从图5中可以看出，图5（a）直接将右上脚的背景误检为class4缺陷，对真实class4缺陷的边界框回归存在遗漏，回归的精度有待提升；图5（b）和图5（c）都正确检测到class4缺陷，识别率从98.8%均提升到99.6%，但是图5（c）的缺陷边界框回归结果较图5（b）更优。从图6中可以看出，图6（a）能够准确检测到class8缺陷，图6（b）虽已准确检测到class8缺陷，但同时也将该区域误检为class3缺陷；图6（c）能够准确检测到class8缺陷，识别率较Faster R-CNN的91.6%提升到96.1%，检测效果达到最优。此外利用Mask R-NN输出的掩码，能够获取到缺陷更加精细的边界框。图5和图6中边界框回归的具体坐标信息如表3所示。