基于Faster RCNN的镁还原罐工人检测算法
针对金属镁冶炼还原罐排渣机器人在工作时需要对还原罐工人进行有效规避的问题,提出一种改进的Faster RCNN镁还原罐工人检测方法,使用多层卷积神经网络替代传统工业检测方法.运用深度学习目前主要的目标检测框架Faster RC-NN,以其算法为基础,对其中的RPN网络进行改进并提出一种“RPN-Incep”结构,解决还原罐工人的检测问题.同时针对提取特征分辨率小的问题,提出特征层堆叠技术,将多个卷积层同时堆叠输入,增强对还原罐工人的检测性能.实验对比表明,改进的Faster RCNN可以解决还原罐工人的规避问题,在还原罐工人数据集上检测识别率可以到达90%以上,并在公开数据集Caltech上对算法进行了验证.
行人检测、卷积神经网络、目标检测、Faster RCNN
38
TP183;TN91(自动化基础理论)
陕西省科技厅工业领域2017GY-027
2019-07-09(万方平台首次上网日期,不代表论文的发表时间)
共6页
12-17