典型文献
基于改进RefineDet的织物疵点检测
文献摘要：
为了实现织物疵点的自动检测与分类,提出了一种基于改进RefineDet的疵点检测方法.首先,将VGG16改为全卷积网络对织物图像特征进行提取;其次,为了获取疵点重要的特征并抑制不必要的特征,在Anchor细化模块(Anchor refinement module,ARM)中加入了注意力机制;为了提高网络的分类性能,在传输连接块(Transfer connection block,TCB)中加入了SE模块(Squeeze and excitation,SE);最后,目标检测模块(Object detection module,ODM)将检测的结果回归到准确的目标位置,并预测疵点的类别,对疵点进行定位.结果表明:本文算法对孔、污渍、纱疵和线状4种类别织物图像的均值平均精度mAP达到了79.7％,比传统RefineDet检测方法均值平均精度提高了5.0％,具有良好的分类和定位效果.
文献关键词：
深度学习;疵点检测;RefineDet;VGG16;注意力机制
中图分类号：
作者姓名：
阮梦玉;李敏;何儒汉;姚迅
作者机构：
武汉纺织大学计算机与人工智能学院,武汉 430200
文献出处：
引用格式：
[1]阮梦玉;李敏;何儒汉;姚迅-.基于改进RefineDet的织物疵点检测)[J].现代纺织技术,2022(05):12-20
A类：
B类：
RefineDet,织物疵点检测,自动检测,VGG16,全卷积网络,图像特征,不必要,Anchor,refinement,module,ARM,注意力机制,分类性能,连接块,Transfer,connection,block,TCB,SE,Squeeze,excitation,目标检测,检测模块,Object,detection,ODM,归到,目标位置,污渍,纱疵,线状,均值平均精度,mAP,定位效果
AB值：
0.418321
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
