Faster R-CNN模型改进及机翼标记检测应用

摘要：

对更快区域神经网络(Faster Region Convolutional Neural Network,Faster R-CNN)模型加以改进,并应用于机翼关键标记点位置检测.采用残差网络ResNet-101代替Faster R-CNN模型中的视觉几何组(Visual Geometry Group,VGG)16网络,作为特征提取的基础主干网络.添加属性分类器,利用多种特征检测方法检测机翼标志点的属性、类别以及位置的标签信息,排除与机翼标志点特征相似的标签标志点.通过特征金字塔17思想,构建特征融合策略,选择适合机翼标志点的锚尺寸生成适用的检测框.在机翼标志点专有数据集的测试结果表明,改进模型能在复杂环境下稳健地提取检测目标,检测准确率有所提高.

关键词：计算机视觉;目标检测;机翼关键点检测;更快区域神经网络;属性检测;特征融合

所属期刊栏目：26

分类号：TP183(自动化基础理论)

资助基金：西安市科技产业化计划——"人工智能"产业创新链推进工程项目20RGZN0029

在线出版日期：2021-09-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：73-79