【摘 要】
：
针对深度学习算法检测钢材表面缺陷时，结构信息减少导致检测精度低的问题，提出一种特征融合和级联检测网络的Faster R-CNN钢材表面缺陷检测算法。采用改进的Faster R-CNN算法对钢材表面缺陷进行检测，首先利用主干网络提取特征图，通过融合特征图的方式，达到减少结构信息丢失的目的；进一步将生成的特征图输入RPN网络生成区域建议框；最后利用检测网络对区域建议框进行分类与回归，通过级联2个检测网
论文部分内容阅读
针对深度学习算法检测钢材表面缺陷时，结构信息减少导致检测精度低的问题，提出一种特征融合和级联检测网络的Faster R-CNN钢材表面缺陷检测算法。采用改进的Faster R-CNN算法对钢材表面缺陷进行检测，首先利用主干网络提取特征图，通过融合特征图的方式，达到减少结构信息丢失的目的；进一步将生成的特征图输入RPN网络生成区域建议框；最后利用检测网络对区域建议框进行分类与回归，通过级联2个检测网络，实现精确检测结果的目标。对模型进行对比性实验分析，找出检测精度最优的算法模型。在NEU-DET数据集
其他文献
针对输电线路中绝缘子背景复杂，传统的故障识别算法存在如绝缘子的误检、漏检以及识别率低等弊端。相比传统卷积神经网络，胶囊网络(Capsule Network)首次采用矢量作为输入，可以保留目标的方向、角度等特征信息，更适合识别复杂背景下的绝缘子。因此本文提出一种基于胶囊网络与YOLO文本定位相结合的绝缘子破损识别算法，通过将传统胶囊网络卷积层9×9的卷积核简化为3×3的卷积核，并通过遗传算法和随机梯
针对行人重识别过程中，多分支结构的网络模型在提取行人特征时缺乏异构特征的问题，提出一种异构分支关联特征融合的行人重识别算法。训练阶段，将OSNet与注意力机制相结合作为主干共享网络，以学习到具有更强显著性和区分性的行人关键特征；将分支网络输出的行人特征进行水平均等分割，再提取关联条纹特征，从而全面利用位于条纹间的综合信息；设计异构特征提取模块，以增加模型学习差异特征所需的结构多样性。推理阶段，将多
针对由非完整圆柱和特征相似平面组成的预拼装钢构件，提出了一种点云自动分割算法。首先通过降维投影对预处理后的空间点云做基于边界识别的空间分区，再采用随机采样一致性算法估计各分区满足几何约束条件的初值模型，并结合最小二乘拟合完成模型点云的二次过滤，达成对平面及圆柱模型点云的完整提取。在处理平面点云数据时，引入基于密度的空间聚类以及抽样点距离约束来实现几何特征相似平面的有效分割。工程数据验证表明，该算法
为探讨生物炭田间自然陈化与土壤有机碳的相互作用机制，采用田间原位埋置尼龙袋法，研究了生物炭田间自然陈化0、30、90、180、360和720 d后其自身结构特征及其类腐殖质组成的动态变化，以及对黑土有机碳及其腐殖质组分的动态影响。研究结果表明，生物炭陈化至720 d，其碳和氮含量较0 d显著增加，生物炭的氧化度和芳香性下降，脂族性提高，其类胡敏酸含量提高幅度高达65.64%。通过埋置生物炭袋处理（
多视图聚类需要将多个视图的数据信息进行融合表示，是一项重要且具有挑战的任务.至今仍存在2个难解的问题：1)如何将多视图信息有效融合，减少信息丢失；2)如何将图学习和谱聚类同时进行，避免2步策略带来次优化结果.由于数据本身存在噪声并且各视图数据差异较大，在数据空间进行融合可能会造成重要信息的损失；另外，考虑到不同视图的数据应具有相同的聚类结构.为此提出基于谱结构融合的多视图聚类模型，将各视图信息在谱
热层析技术应用于医学乳腺肿瘤检测具有重要的应用前景，但是医生在临床应用过程中，通过热层析图像诊断容易出现主观差异性误诊现象。为此，提出了一种智能化分割算法用于辅助诊断。然而，医学热层析图像由于目前数据量匮乏，且病灶区域占比小，依靠经典的分割模型，如FCN、U-Net容易出现分割不连续，边界细节分割不精细等问题。为此设计了一种基于并行多尺度特征融合的语义分割模型，模型通过并行的多分辨率特征子网之间反
现有超声甲状腺结节分割模型往往存在过分细化或粗化结节边缘信息的问题。在需要定量计算结节大小时，过分割或欠分割现象在医生诊断过程中都是非常不利的。本文提出一种基于条件分割对抗网络（conditional segmentation adversarial network， cSegAN）的超声甲状腺结节分割模型用以实现甲状腺结节更为准确的分割。本文模型由分割器网络和判别器网络两个部分组成，其中分割器网
粘连图像分割作为颗粒计数、分类、定级评价、识别的基础环节，其实际应用价值不言而喻。本文简要介绍现有的传统分割算法和基于深度学习的分割算法种类，根据粘连颗粒尺寸小、随机散落、数量众多、形状不规则及边缘特征模糊等特点，结合粘连分割算法在各种领域中的应用现状，重点阐述基于分水岭、凹点、U-Net语义分割的方法，介绍关键技术，分析优缺点，明确适用范围，进行算法评价，并对相关的研究方向和发展趋势作出展望。
我国非常重视秸秆资源的有效利用，而秸秆还田既是改善土壤有机质（SOM）、保持土壤肥力，又是一种环境友好、高效、低成本的重要措施之一。因此，通过360 d田间原位模拟试验，以典型黑土为研究对象，采用土壤腐殖质化学分组以及固态~(13)C-核磁共振技术研究了全量（12 t hm~(-2)）玉米秸秆还田至0-15 cm土层以模拟秸秆浅旋还田（SI15）、0-35 cm土层以模拟秸秆深混还田（SI35）、
早期诊断对降低肺癌死亡率至关重要。为了提高肺癌的早期诊断效果，本文提出一种基于深度学习的CT图像的肺结节检测算法。该算法包括对原始CT数据的预处理、基于V-Net和R-CNN混合的Mask V-Net R-CNN肺结节检测模块和基于多尺度与上下文的肺结节假阳性衰减网络。实验结果显示，本算法取得了0.97的FROC值，较已有算法提升了5%，表明本算法对肺癌早期检测和诊断具有较好的临床意义。