基于Faster R-CNN的仪表识别方法
针对仪表识别系统背景复杂,对小目标不敏感,检测精度低等问题,本文提出一种特征融合金字塔(FPN)和Faster R-CNN网络结合的仪表自动识别方法.首先使用FPN和Faster R-CNN网络的RPN结合定位表盘和指针区域,并对多类仪表进行分类;此外为了平衡仪表图像的正负样本,提高检测准确性,引入Focal Loss损失函数与RPN网络结合进行训练数据集;其次对指针区域进行基于FPN的图像分割,将FPN网络与反卷积结合,提高指针区域分割准确性;最后拟合指针获取指针偏转角度,得到仪表读数.实验结果表明,提出的方法准确率达到94.25%,与传统算法相比,提出的方法不仅检测精度高,而且实用性更强.
指针式仪表、特征融合金字塔、Faster R-CNN、图像分割
35
TP391.41(计算技术、计算机技术)
"十三五"江苏省重点学科项目;江苏省研究生工作站项目
2020-12-15(万方平台首次上网日期,不代表论文的发表时间)
共8页
1291-1298