資料介紹
近年來,無需人工干預(yù)的深度學(xué)習(xí)已經(jīng)成為缺陷圖像檢測(cè)與分類的一種主流方法。本文針對(duì)室內(nèi)墻壁缺 陷缺檢測(cè)中數(shù)據(jù)集大多是小樣本的問題,提出了相關(guān)的深度學(xué)習(xí)研究方法。首先,自制墻壁表面缺陷數(shù)據(jù)集(Wall surface defect dataset,WSDD)并對(duì)其進(jìn)行數(shù)據(jù)標(biāo)注,進(jìn)而使用Faster RCNN和YOLOv5進(jìn)行目標(biāo)檢測(cè),兩個(gè)模型的 評(píng)價(jià)指標(biāo)(Mean Average Precision ,MAP)均高于0. 517,表明本文采集的WSDD有效。然后,采用幾種傳統(tǒng)的數(shù)據(jù) 增強(qiáng)方法(尺度調(diào)整、旋轉(zhuǎn)和翻轉(zhuǎn))及圖像拼接和圖像融合的方法來擴(kuò)充原始數(shù)據(jù)集的數(shù)量。最后,將增強(qiáng)前后的 數(shù)據(jù)集分別用四種經(jīng)典的深度卷積神經(jīng)網(wǎng)絡(luò)(ResNet34、ResNet50、DenseNet121、VGG16)模型進(jìn)行測(cè)試,結(jié)果顯示 經(jīng)過數(shù)據(jù)增強(qiáng)后,四種模型的識(shí)別精度明顯高于增強(qiáng)前,分別為98. 86%、99. 47%、99. 06%和90. 25%,證明本文所 采用的數(shù)據(jù)增強(qiáng)和深度學(xué)習(xí)方法緩解了數(shù)據(jù)集小樣本的問題。
下載該資料的人也在下載
下載該資料的人還在閱讀
更多 >
- 基于CNN分類回歸聯(lián)合學(xué)習(xí)等的左心室檢測(cè)方法 33次下載
- 融合深度學(xué)習(xí)和極限學(xué)習(xí)機(jī)的入侵檢測(cè) 9次下載
- 基于深度級(jí)聯(lián)孿生網(wǎng)絡(luò)的通信信號(hào)調(diào)制識(shí)別算法 33次下載
- 基于深度學(xué)習(xí)的自然語言處理對(duì)抗樣本模型 39次下載
- 基于深度學(xué)習(xí)的跨域小樣本人臉欺詐檢測(cè)算法 4次下載
- 基于深度學(xué)習(xí)的顯著性目標(biāo)檢測(cè)的數(shù)據(jù)集和評(píng)估準(zhǔn)則 0次下載
- 基于深度學(xué)習(xí)的快速發(fā)現(xiàn)警告吸煙檢測(cè)模型 124次下載
- 基于RNN和深度學(xué)習(xí)的Linux遠(yuǎn)控木馬檢測(cè) 15次下載
- 基于深度學(xué)習(xí)的X射線胸部疾病診斷算法 17次下載
- 一種針對(duì)小樣本學(xué)習(xí)的雙路特征聚合網(wǎng)絡(luò) 9次下載
- 深度學(xué)習(xí)模型的對(duì)抗攻擊及防御措施 74次下載
- 新型基于深度學(xué)習(xí)的目標(biāo)實(shí)時(shí)跟蹤算法 10次下載
- 如何使用深度學(xué)習(xí)進(jìn)行視頻行人目標(biāo)檢測(cè) 22次下載
- 人工智能深度學(xué)習(xí)目標(biāo)檢測(cè)的詳細(xì)資料免費(fèi)下載 44次下載
- 基于深度學(xué)習(xí)與融入梯度信息的人臉姿態(tài)分類檢測(cè)_蘇鐵明 1次下載
- 深度學(xué)習(xí)中的時(shí)間序列分類方法 345次閱讀
- 基于AI深度學(xué)習(xí)的缺陷檢測(cè)系統(tǒng) 501次閱讀
- 基于深度學(xué)習(xí)的小目標(biāo)檢測(cè) 407次閱讀
- 深度學(xué)習(xí)在工業(yè)缺陷檢測(cè)中的應(yīng)用 1114次閱讀
- 瑞薩電子深度學(xué)習(xí)算法在缺陷檢測(cè)領(lǐng)域的應(yīng)用 718次閱讀
- 工業(yè)產(chǎn)品表面缺陷檢測(cè)方法研究 864次閱讀
- 如何在缺陷樣本少的情況下實(shí)現(xiàn)高精度的檢測(cè) 1272次閱讀
- 基于GAN的零缺陷樣本產(chǎn)品表面缺陷檢測(cè) 923次閱讀
- 小樣本學(xué)習(xí)領(lǐng)域的未來發(fā)展方向 745次閱讀
- 康耐視深度學(xué)習(xí)實(shí)現(xiàn)高效血清質(zhì)量檢測(cè) 822次閱讀
- 常見的小樣本學(xué)習(xí)方法 1761次閱讀
- 基于深度學(xué)習(xí)的工業(yè)缺陷檢測(cè)方法 2507次閱讀
- 基于Cascade R-CNN的布匹檢測(cè)算法提高目標(biāo)檢測(cè)性能 1880次閱讀
- 如何解決工業(yè)缺陷檢測(cè)小樣本問題 1799次閱讀
- 可以將深度學(xué)習(xí)圖像分類器用于目標(biāo)檢測(cè)嗎? 1.4w次閱讀
下載排行
本周
- 1電子電路原理第七版PDF電子教材免費(fèi)下載
- 0.00 MB | 1491次下載 | 免費(fèi)
- 2單片機(jī)典型實(shí)例介紹
- 18.19 MB | 95次下載 | 1 積分
- 3S7-200PLC編程實(shí)例詳細(xì)資料
- 1.17 MB | 27次下載 | 1 積分
- 4筆記本電腦主板的元件識(shí)別和講解說明
- 4.28 MB | 18次下載 | 4 積分
- 5開關(guān)電源原理及各功能電路詳解
- 0.38 MB | 11次下載 | 免費(fèi)
- 6100W短波放大電路圖
- 0.05 MB | 4次下載 | 3 積分
- 7基于單片機(jī)和 SG3525的程控開關(guān)電源設(shè)計(jì)
- 0.23 MB | 4次下載 | 免費(fèi)
- 8基于AT89C2051/4051單片機(jī)編程器的實(shí)驗(yàn)
- 0.11 MB | 4次下載 | 免費(fèi)
本月
- 1OrCAD10.5下載OrCAD10.5中文版軟件
- 0.00 MB | 234313次下載 | 免費(fèi)
- 2PADS 9.0 2009最新版 -下載
- 0.00 MB | 66304次下載 | 免費(fèi)
- 3protel99下載protel99軟件下載(中文版)
- 0.00 MB | 51209次下載 | 免費(fèi)
- 4LabView 8.0 專業(yè)版下載 (3CD完整版)
- 0.00 MB | 51043次下載 | 免費(fèi)
- 5555集成電路應(yīng)用800例(新編版)
- 0.00 MB | 33562次下載 | 免費(fèi)
- 6接口電路圖大全
- 未知 | 30320次下載 | 免費(fèi)
- 7Multisim 10下載Multisim 10 中文版
- 0.00 MB | 28588次下載 | 免費(fèi)
- 8開關(guān)電源設(shè)計(jì)實(shí)例指南
- 未知 | 21539次下載 | 免費(fèi)
總榜
- 1matlab軟件下載入口
- 未知 | 935053次下載 | 免費(fèi)
- 2protel99se軟件下載(可英文版轉(zhuǎn)中文版)
- 78.1 MB | 537793次下載 | 免費(fèi)
- 3MATLAB 7.1 下載 (含軟件介紹)
- 未知 | 420026次下載 | 免費(fèi)
- 4OrCAD10.5下載OrCAD10.5中文版軟件
- 0.00 MB | 234313次下載 | 免費(fèi)
- 5Altium DXP2002下載入口
- 未知 | 233046次下載 | 免費(fèi)
- 6電路仿真軟件multisim 10.0免費(fèi)下載
- 340992 | 191183次下載 | 免費(fèi)
- 7十天學(xué)會(huì)AVR單片機(jī)與C語言視頻教程 下載
- 158M | 183277次下載 | 免費(fèi)
- 8proe5.0野火版下載(中文版免費(fèi)下載)
- 未知 | 138039次下載 | 免費(fèi)
評(píng)論
查看更多