r级联分类器同时提取双目图像中的人脸,将其提取到的局部人脸左右并联制作成数据集;然后把“shortcut”思想引入到残差块中提高特征的利用率,最后改进了具有注意力机制的SENet模块在SE-ResNet神经网络中的位置。利用实验室采集的图像数据进行验证,结果表明该实验测试集的平均准确率达到了98.62%,较ResNet34网络测试集的平均准确率提升2.07%,本实验对因为光线和角度变化的人脸活体检测有较好的鲁棒性。

针对传统目标检测算法对内丝接头密封面的缺陷识别率不高的问题,提出利用改进的YOLOv4算法对其进行检测。首先使用K-means++聚类算法对目标样本进行先验框参数优化,提高先验框与特征图的匹配度;其次在主干网络嵌入SENet注意力机制模块,强化图像关键信息,抑制图像背景信息,提高不易识别缺陷的置信度;然后在网络颈部增加SPP模块,增强主干网络输出特征的接受域,分离出重要的上下文信息;最后采用收集的内丝接头密封面缺陷数据集分别对改进前后的YOLOv4进行训练,并分别测试模型效果。实验结果表明,YOLOv4检测内丝接头密封面缺陷的性能较好,但有部分小目标漏检;改进后的模型对小目标缺陷的检测表现优异,均值平均精度(mAP)达到了87.47%,相比于原始YOLOv4提升了10.2%,平均检测时间为0.132 s,实现了对内丝接头密封面缺陷的快速准确检测。