基于改进的Faster R-CNN算法的机械零件图像识别

CORC > 兰州理工大学 > 兰州理工大学 > 机电工程学院

	基于改进的Faster R-CNN算法的机械零件图像识别
	郭斐; 靳伍银; 王猛
刊名	机械设计
	2019
卷号	36 期号:9 页码:113-116
关键词	Faster R-CNN算法机械零件图像识别 Inception结构
ISSN号	1001-2354
英文摘要	在传统的Faster R-CNN网络结构中减少原有的卷积层数,同时加入Inception结构层,提出一种基于Faster RCNN的零件识别的改进算法。该算法在保证不增加网络参数和计算量的前提下,增加深度和网络结构复杂度,进一步有效地提取图像的特征。结果表明:通过自制机械零件图像数据集,将传统Faster R-CNN与改进后的Faster R-CNN算法均成功应用于机械零件图像识别。与传统Faster R-CNN相比,基于改进后的Faster R-CNN深度学习算法识别机械零件的识别精度和准确度均更高。
WOS研究方向	Automation & Control Systems
语种	中文
CSCD记录号	CSCD:6581855
状态	已发表
内容类型	期刊论文
源URL	[http://ir.lut.edu.cn/handle/2XXMBERH/75290]
专题	机电工程学院
作者单位	兰州理工大学机械电子工程学院, 兰州, 甘肃 730050, 中国
推荐引用方式 GB/T 7714	郭斐,靳伍银,王猛. 基于改进的Faster R-CNN算法的机械零件图像识别[J]. 机械设计,2019,36(9):113-116.
APA	郭斐,靳伍银,&王猛.(2019).基于改进的Faster R-CNN算法的机械零件图像识别.机械设计,36(9),113-116.
MLA	郭斐,et al."基于改进的Faster R-CNN算法的机械零件图像识别".机械设计 36.9(2019):113-116.