基于Mask R-CNN的马匹四肢别征提取方法研究与应用

针对马品种登记中对马匹护照自动标记马匹外貌特征的需求,提出一种基于Mask R-CNN的马匹四肢别征的提取方法,对马匹四肢上别征进行精确检测和分割,并在马匹外貌特征图示中进行自动标记。利用新疆马业协会提供的马匹图像、网络爬虫和实地拍摄的图像,构建马匹四肢别征数据集,在Mask R-CNN框架上对单个模型与马匹模型、四肢模型和别征模型进行对照实验,4个模型的AP值分别为83.7%、91.5%、90.1%和89.2%。发现单个模型进行三层分割会使像素点存在歧义性,无法对马匹外貌特征进行自动标记。实验结果表明,使用3个模型联级进行检测与分割,效果显著,实现了马匹四肢别征的自动标记。     

基于Mask R-CNN的ORB去误匹配方法

为了提高多目标图像的ORB匹配的正确率,提出一种基于Mask R-CNN的图像ORB去除误匹配方法,该算法首先通过Faster R-CNN方法对图像进行识别,运用区域推荐网络得到矩形框标注的感兴趣区域和类别标签,该步骤可以得到感兴趣区域的预测类别和坐标信息,并且通过全卷积网络卷积层进行像素级别校正,得到像素级别的目标所属类别,然后进行目标分割。最后在原有ORB特征点匹配基础上,剔除两幅图像中相同目标分割区域以外的误匹配点。为了验证该方法的有效性,对传统ORB匹配与基于本文方法的ORB匹配进行了仿真实验。改进后的算法,使得在多目标环境下的目标的匹配精度提高了约18.6%,结果表明,本文算法较传统的ORB匹配算法的精度有一定提高。     

基于Mask R-CNN检测流程的工艺流程优化

当下基于深度学习的手语识别方法很多是参照了行为识别的方法,这种方法对整个视频进行特征提取,只关注了视频的全局信息而忽略了手语局部手势特征的学习,而基于传统算法的手语识别需要复杂的人工设计特征过程.为了加强对手语局部特征的学习,提取手部区域,将Mask R-CNN应用到手部区域检测任务中,通过在网络中融入跟踪模块,提升连...     

基于Mask R-CNN的胶囊缺陷检测方法

针对传统的空心胶囊缺陷检测多用于人工抽样检测,无论是时间成本还是人力成本都较高,并且带有一定的主观性的问题,研究分析了胶囊缺陷的特点,设计并搭建了胶囊制造缺陷在线检测实验平台,设计并开源了药用空心胶囊凹陷缺陷数据集,提出了一种基于Mask R-CNN算法的胶囊缺陷检测识别方法,使用ResNet作为特征提取网络,ROIAlign对特征图ROI提取是完成像素级的对齐,能很好地解决胶囊缺陷的检测难题。经过实验验证,基于Mask R-CNN的胶囊缺陷检测识别的正确率较高。     

基于Mask R-CNN的回环检测算法

本文针对SLAM问题中的回环检测算法进行研究,结合深度学习技术,提出了基于Mask R-CNN的回环检测算法。该算法利用MaskR-CNN检测得到的掩膜表示图像特征,定义了一种基于物体掩膜的计算图像相似度的方法。本文还将该算法与经典的BOW算法进行了融合,提出了2种融合算法的方式。本文在2个开放的数据集NewCollege和CityCentre对提出的算法进行了实验。实验结果表明,融合算法有着比BOW算法更高的性能,而且随着图像中可识别物体数量的增加,性能也会增加。     

基于改进Mask R-CNN算法的工业零件缺陷检测技术

为了提升工业零件缺陷检测的精度和速度,在Mask R-CNN的基础上,引入了引导锚框的anchor生成方案提升检测精度;在此基础上对Mask R-CNN网络框架进行改进,去掉Mask分支,实现检测速度的优化。采用的数据集是DAGM工业缺陷数据集,并与先前的代表方法进行对比实验。实验表明,改进后的算法在检测精度方面对比原始算法提升了约1.94%,且速度也提升了1.2 frame/s,提升了工业零件缺陷检测的速度和精度。     

基于Mask R-CNN的肝脏CT影像自动分割算法研究

精准医疗正日益成为诊断、分析、治疗和评估不可或缺的一部分,尤其是对于肝部病变的患者,精确的分析肝部影像,可以使肝病患者得到精确的诊断,并缩短治疗时间.本文提出了一种基于Mask R-CNN算法的CT图像肝脏区域自动分割方法,对肝脏区域检测起到了重要的自动识别作用;对于肝脏海量图像样本计算,本文算法框架采用PyTorch...     

基于改进Mask R-CNN算法的孔探缺陷自动检测研究

针对发动机孔探缺陷自动识别存在识别缺陷类型单一、小目标缺陷识别效果较差的问题,将深度残差网络引入到发动机孔探检测中,提出一种改进Mask R-CNN算法的发动机孔探缺陷检测算法。通过引入SENet模块及改进传统的NMS算法,有效提高了模型对四种缺陷的检测精度;同时提出keras自定义优化器,加快模型的收敛速度。在孔探缺陷数据集上对改进模型进行评估,测试结果表明,改进的Mask R-CNN算法对四种缺陷类型的检测正确率均高达90%以上,对于小目标缺陷的识别效果有了明显提高,性能优于原始模型。     

基于改进Mask R-CNN的模糊图像实例分割的研究

Mask R-CNN是现阶段实例分割相对成熟的方法,针对Mask R-CNN算法当中还存在的分割边界精度以及对于模糊图片鲁棒性较差等问题,该文提出一种基于改进的Mask R-CNN实例分割方法。该方法首先提出在Mask分支上使用卷积化条件随机场(ConvCRF)来优化Mask分支对于候选区域进一步分割,并使用FCN-ConvCRF分支来代替原有分支;之后提出新锚点大小和IOU标准,使得RPN候选框能够涵盖所有实例区域;最后使用一种添加部分经过转换网络转换的数据进行训练的方法。总的mAP值与原算法相比提升了3%,并且分割边界精确度和鲁棒性都有一定提高。     

基于改进的Mask R-CNN的无人机图像车位检测

停车位难寻是如今城市普遍存在的问题,因此一种高效的车位检测算法尤为重要。为此,提出了无人机结合基于改进的Mask R-CNN的智能停车位检测算法的方法。首先,为缩短算法模型训练时间,采用轻量级MobileNetV3网络作为其主干特征提取网络,同时对MobileNetV3网络进行改进,有效减少了网络参数并压缩了模型体积;其次,通过改进网络结构、重新设计Anchor生成,解决了无人机飞行高度和角度会导致所要检测的目标较小或者存在遮挡的问题;最后,通过优化FPN与特征网络卷积结构,得到了本文的无人机图像车位检测改进模型。通过对比不同算法之间的性能,验证了改进的MaskRCNN算法在时间和精度上均优于原算法和其他算法,具有一定的研究意义。     

基于Mask R-CNN的电力关键设备载波运行状态检测

为解决因载波信号大幅波动造成的电力设备运行状态检测失准问题,提出基于Mask R-CNN的电力关键设备载波运行状态检测方法。在Mask R-CNN网络模型中,通过定义小波基向量的方法确定电力载波暂态系数的计算结果。联合电量阻抗特征,求解连续阈值区间表达式,将获取到的电力载波信号放置在已定义阈值区间内。计算奇异值检测系数的取值条件,完成电力关键设备载波运行状态检测。对比实验结果表明,所提方法可以将电力载波信号波动幅值控制在±17 dB之间,对载波信号波动行为起到了明显的抑制作用,能够提升电网主机对电力设备运行状态检测的准确性。     

基于Faster R-CNN的仓库视频监控目标检测方法研究

针对目前电力仓库视频监控图像中目标检测算法对小目标物体、部分遮挡及尺寸大小不一存在检测难度大、漏检、错检等问题,提出基于Faster R-CNN的仓库视频监控目标检测方法,实现电力仓库视频监控中目标分类与识别及仓库智能化监控,保护仓库安全。实验结果表明,该方法提高了目标识别的准确度(m AP),减少了目标物体识别时间。