改进DBNet与CRNN的面标识别方法

摘要：

为解决板坯喷涂面标实时识别问题,构建文本检测和识别模型.改进可微二值化算法网络,引入高效通道注意力模块SENet,进行自适应空间特征融合(ASFF),增强特征金字塔预测多尺度目标的能力.识别模型改进卷积递归神经网络的VGG网络,将卷积与循环神经网络联合训练.实验结果表明,检测模型的精确率、召回率和调和平均值达到93.30％、86.45％、89.85％,提升显著;识别模型平均准确率达到86.01％,精度提升4.99％.模型满足实时与准确性要求.

关键词：板坯喷涂面标、可微二值化、高效通道注意力机制、特征金字塔、自适应空间特征融合、卷积递归神经网络、联合训练、反向传播、迁移学习

所属期刊栏目：44

分类号：TP391.9(计算技术、计算机技术)

资助基金：国家自然科学基金;广西自然科学基金项目;国家重点研发计划

在线出版日期：2023-02-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：116-124