本文主要研究内容
作者李林升,曾平平（2019）在《改进深度学习框架Faster-RCNN的苹果目标检测》一文中研究指出：苹果图像的目标检测是研究苹果采摘机器人的关键技术。本研究以自然光源下的苹果图像为研究对象。首先,针对原始RPN结构的3×3单一小滑动窗口摄取特征信息有限问题,设置不同面积、不同尺寸的9个候选框,同时增加1个滑动窗口,以提高感受野的面积与强度,改进深度学习目标检测框架Faster-RCNN,进而搭建深度学习模型。然后,对图像标注目标的实际位置和类别标签,以苹果的测试集作为输出期望,经过训练得到模型的有效权值。实验结果表明,模型迭代3 000次后,改进模型的目标检测准确率为97.6%,而原始模型为95.3%。另外,改进的模型相对原始模型定位精度更高。
Abstract
ping guo tu xiang de mu biao jian ce shi yan jiu ping guo cai zhai ji qi ren de guan jian ji shu 。ben yan jiu yi zi ran guang yuan xia de ping guo tu xiang wei yan jiu dui xiang 。shou xian ,zhen dui yuan shi RPNjie gou de 3×3chan yi xiao hua dong chuang kou she qu te zheng xin xi you xian wen ti ,she zhi bu tong mian ji 、bu tong che cun de 9ge hou shua kuang ,tong shi zeng jia 1ge hua dong chuang kou ,yi di gao gan shou ye de mian ji yu jiang du ,gai jin shen du xue xi mu biao jian ce kuang jia Faster-RCNN,jin er da jian shen du xue xi mo xing 。ran hou ,dui tu xiang biao zhu mu biao de shi ji wei zhi he lei bie biao qian ,yi ping guo de ce shi ji zuo wei shu chu ji wang ,jing guo xun lian de dao mo xing de you xiao quan zhi 。shi yan jie guo biao ming ,mo xing die dai 3 000ci hou ,gai jin mo xing de mu biao jian ce zhun que lv wei 97.6%,er yuan shi mo xing wei 95.3%。ling wai ,gai jin de mo xing xiang dui yuan shi mo xing ding wei jing du geng gao 。
论文参考文献
论文详细介绍
论文作者分别是来自机械设计与研究的李林升,曾平平，发表于刊物机械设计与研究2019年05期论文，是一篇关于苹果论文,目标检测论文,深度学习论文,卷积神经网络论文,机械设计与研究2019年05期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自机械设计与研究2019年05期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：苹果论文; 目标检测论文; 深度学习论文; 卷积神经网络论文; 机械设计与研究2019年05期论文;