• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International conference on graphic and image processing >Fabric Defect Detection Based on Faster R-CNN
【24h】

Fabric Defect Detection Based on Faster R-CNN

机译：基于更快的R-CNN的织物疵点检测

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In order to effectively detect the defects for fabric image with complex texture, this paper proposed a novel detection algorithm based on an end-to-end convolutional neural network. First, the proposal regions are generated by RPN (regional proposal Network). Then, Fast Region-based Convolutional Network method (Fast R-CNN) is adopted to determine whether the proposal regions extracted by RPN is a defect or not. Finally, Soft-NMS (non-maximum suppression) and data augmentation strategies are utilized to improve the detection precision. Experimental results demonstrate that the proposed method can locate the fabric defect region with higher accuracy compared with the state-of-art, and has better adaptability to all kinds of the fabric image.
机译：为了有效地检测出具有复杂纹理的织物图像的缺陷，提出了一种基于端到端卷积神经网络的新型检测算法。首先，提案区域是由RPN（区域提案网络）生成的。然后，采用基于快速区域的卷积网络方法（Fast R-CNN）来确定RPN提取的建议区域是否存在缺陷。最后，利用Soft-NMS（非最大抑制）和数据增强策略来提高检测精度。实验结果表明，与现有技术相比，本文提出的方法能够以更高的精度定位织物缺陷区域，并且对各种织物图像具有更好的适应性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号