10.16208/j.issn1000-7024.2023.01.016
改进DBNet与CRNN的面标识别方法
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.
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
44
TP391.9(计算技术、计算机技术)
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
2023-02-10(万方平台首次上网日期,不代表论文的发表时间)
共9页
116-124