自动化应用2020，Issue(8) ：59-61.DOI:10.19769/j.zdhy.2020.08.023

基于深度学习的两阶段目标检测方法及其在表面缺陷检测中的应用

封学勇
自动化应用2020，Issue(8) ：59-61.DOI:10.19769/j.zdhy.2020.08.023
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于深度学习的两阶段目标检测方法及其在表面缺陷检测中的应用

封学勇1
扫码查看

作者信息

  • 1. 合肥工业大学,安徽 合肥 230000
  • 折叠

摘要

目标检测是计算机视觉领域的基本任务,要求识别图像中的目标类别并确定目标位置.R-CNN首次将卷积神经网络用于目标检测任务中,Fast R-CNN使用多任务损失函数来统一训练用于目标分类和定位的网络,Faster R-CNN提出RPN用于生成目标候选区域,大大加快了检测速度,并形成了端到端的深度学习目标检测框架.此后,基于深度学习的目标检测方法逐渐被应用到表面缺陷检测的具体场景中,并取得了良好的检测效果.

关键词

深度学习/目标检测/神经网络训练/R-CNN表面缺陷检测

引用本文复制引用

出版年

2020
自动化应用
重庆西南信息有限公司

自动化应用

影响因子：0.156
ISSN：1674-778X
被引量1
参考文献量1
段落导航相关论文