首页  |  期刊简介  |  稿件审稿流程  |  学术道德规范  |  编委会  |  征订启事  |  联系我们  |  English
中文核心期刊
中国科技论文统计源期刊
国际刊号:1004-9037
国内刊号:32-1367/TN
用户登录
  E-mail:  
  密  码:  
  作者 审稿  
  编辑 读者  
期刊向导
联系方式
  • 主管:中国科学技术协会
  • 主办:南京航空航天大学
  •           中国电子学会
  • 国际刊号:1004-9037
  • 国内刊号:32-1367/TN
  • 地址:南京市御道街29号
  • 电话:025-84892742
  • 传真:025-84892742
  • E-mail:sjcj@nuaa.edu.cn
  • 邮编:210016
林少丹,冯晨,陈志德,朱可欣.一种高效的车体表面损伤检测分割算法[J].数据采集与处理,2021,36(2):260-269
一种高效的车体表面损伤检测分割算法
Efficient Damage Detection Segmentation Algorithm of Vehicle Body Surface
投稿时间:2020-07-08  修订日期:2020-12-14
DOI:10.16337/j.1004-9037.2021.02.007
中文关键词:  YOLACT++  主干网络  高效网络  MaskIOU-NET  损失函数
英文关键词:YOLACT++  backbone network  EfficientNet  MaskIOU-NET  loss function
基金项目:国家自然科学基金(61841701)资助项目;福建省交通运输厅科技基金(201934)资助项目。
作者单位邮编
林少丹 福建船政交通职业学院信息与智慧交通学院 福州 350007 350007
冯晨 福建师范大学数学与信息学院 福州 350007 350007
陈志德 福建师范大学数学与信息学院 福州 350007 350007
朱可欣 台湾中山大学资讯工程系 高雄 80424 80424
摘要点击次数: 161
全文下载次数: 608
中文摘要:
      车体表面损伤检测是计算机视觉中的经典问题。车体表面损伤检测的主要瓶颈在于图像中损伤实例的不同尺度影响了分割的精度与效率。本文采用单阶段语义分割网络(YOLACT++)进行车体表面的损伤检测,通过结合EfficientNet设计主干网络提高分割效率,并通过改进损失函数优化YOLACT++中目标实例Mask的生成,实验中用深度学习标注实验数据集进行训练测试。实验表明,改进后的YOLACT++降低了Mask生成误差,检测的实时帧率提高到35帧/s,同时也提高了YOLACT++进行实例分割的精度。
英文摘要:
      Car body surface damage detection is a classic problem in computer vision. The main bottleneck of car body surface damage detection lies in the different scales of damage instances in the image, which affects the accuracy and efficiency of segmentation. In this paper, we use a single-stage semantic segmentation network (YOLACT++) for damage detection on the car body surface, combine EfficientNet to design a backbone network to improve segmentation efficiency, and improve the loss function optimization YOLACT++ to generate the target instance Mask in the experiment. Experimental data are marked by deep learning, and results show that the improved YOLACT++ detection frame rate is increased to 35 frame/s, which reduces the mask generation error and improves the instance segmentation accuracy of YOLACT++.
查看全文  HTML  查看/发表评论

Copyright @2010-2015《数据采集与处理》编辑部

地址:南京市御道街29号        邮编:210016

电话:025-84892742      传真:025-84892742       E-mail:sjcj@nuaa.edu.cn

您是本站第2146092位访问者 本站今日一共被访问63

技术支持:北京勤云科技发展有限公司