局部加权拟合的无人机遥感影像多尺度检测
传统影像检测方法的几何校正准确率低,边缘细节提取效果差,为此提出基于局部加权拟合的无人机遥感影像多尺度检测方法。通过几何校正方法提取遥感影像的完整边缘,采用改进局部加权拟合算法确定局部校正区域;以多尺度、多方向结构元素获取影像边缘特征,结合多尺度自适应均衡边缘检测技术实现形态学重构和梯度运算,计算影像灰度值方差权重比;通过自适应均衡求和获取遥感影像边缘轮廓,实现无人机遥感影像多尺度检测。实验结果表明,该方法能够增强影像几何校正准确率,提升边缘细节提取效果,影像内噪声较少。
融合Channel-Attention机制的金属表面缺陷检测算法
传统的缺陷检测方法存在各种各样的弊端,近年用基于深度学习缺陷检测方法成为研究热点。针对目前主流的目标检测算法需要牺牲速度以获取精度的问题,提出了一种融合Channel-Attention机制的SSD目标检测算法。该算法利用通道注意力机制来学习特征通道之间的关系,从而对特征层的每一个通道特征进行权重的分配,进而提升网络的学习能力。在铝型材外观数据集上的实验结果表明,该算法的检测性能达到了较好的效果。改进模型的平均精确均值达到了78.17%,与基础模型SSD相比,提升了3.55%。同时检测速度达到了45frame/s,在提升精度的同时保证了检测速度。验证了融合Channel-Attention机制在提升模型精度的同时没有给模型增加过多的计算量,满足工业实时性检测的要求。
-
共1页/2条