基于Faster-RCNN的汽車漆面缺陷部位檢測

摘要： 針對人工設(shè)計特征復(fù)雜和傳統(tǒng)的自動化方法在目標(biāo)識別和檢測上準(zhǔn)確率和效率低下的問題，提出一種基于改進(jìn)的Faster-RCNN的目標(biāo)區(qū)域定位方法。由于被檢測目標(biāo)尺度變化大，為了解決原始Faster-RCNN網(wǎng)絡(luò)結(jié)構(gòu)對于小目標(biāo)區(qū)域檢測精度低的問題，提出多尺度快速區(qū)域卷積神經(jīng)網(wǎng)絡(luò)檢測算法，改進(jìn)了神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，使網(wǎng)絡(luò)在檢測過程中可以同時使用低層和高層的特征，提升了網(wǎng)絡(luò)對于小目標(biāo)區(qū)域的檢測...