基于图像增强和卷积神经网络的布草检测方法、装置.pdf
是浩****32
亲,该文档总共19页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于图像增强和卷积神经网络的布草检测方法、装置.pdf
本发明公开了一种基于图像增强和卷积神经网络的布草检测方法,包括以下步骤,S1:提供一种布草检测装置,对连续输送的布草进行灯光照射,并对照射区域进行连续拍摄;S2:采集每一张布草的图像信息;S3:利用两个卷积神经网络模型对图像信息进行瑕疵检测;S4:将两个卷积神经网络模型的检测结果进行对比,识别出不合格布草、合格布草和目检布草;S5:对目检布草进行人工目检。本发明能够实现连续化检测,提高了检测效率,另一方面,不会发生漏检的情况,同时采用卷积神经网络模型进行机器学习检测,检测的准确率较高,从而提高了检测精度和
基于双重卷积神经网络的小目标增强检测方法和装置.pdf
一种基于双重卷积神经网络的小目标增强检测方法,既能提升检测准确性,又能保持与通用检测模型相近的检测速度。检测方法级联双重卷积神经网络,第一重卷积神经网络采用兼顾目标定位和目标识别功能的MobileNet‑SSD网络,并以较低的置信度阈值筛选出候选目标,较低的阈值可以确保小目标不漏检;第二重卷积神经网络根据第一轮检测得到候选目标区域,逐个截取图片子块,采用只含目标识别功能的MobileNet网络,并以较高的置信度阈值筛选出目标,较高的阈值可以确保小目标不错检。通过本发明提出的两轮增强检测方法,可以提升小目标
基于卷积神经网络的CT图像目标检测方法、装置及设备.pdf
本发明涉及一种基于卷积神经网络的CT图像目标检测方法、装置及设备,属于图像目标检测技术领域,基于卷积神经网络的CT图像目标检测方法、装置及设备通过获取目标患者的CT图像;将CT图像输入至预设CT图像目标检测模型中,得到CT图像中的目标区域及目标区域的类别。通过预先设置CT图像目标检测模型,在CT图像目标检测模型中设置注意力机制模块,对特征图中的不同通道分配不同的权重,提取特征图中的有用新型,提升CT图像的目标检测成功率。
基于神经网络的图像检测方法和图像检测装置.pdf
本公开实施例提供了一种基于神经网络的图像检测方法和图像检测装置。所述方法包括:对所述图像进行特征提取,以获得图像特征;基于所述图像特征,检测所述图像中人体的人头区域;基于所述人头区域的检测结果,确定所述图像中的与所述人头区域对应的人体区域,所述人体区域包括所述人头区域和身体区域。本公开实施例相对于传统的检测装置,提高了检测速度和检测效率。
基于深度卷积神经网络的图像轮廓检测方法.pdf
本发明涉及一种基于深度卷积神经网络的图像轮廓检测方法。本轮廓检测方法的步骤为:1)数据提取和处理;2)训练深度卷积神经网络特征提取器;3)训练结构森林轮廓检测器;4)提取测试图像特征;5)检测测试图像轮廓。本发明的轮廓检测方法基于深度学习和模式识别技术,可实现快速精准的轮廓检测。