一种基于深度学习的工件目标识别方法
实质审查的生效
摘要
本发明公开了一种基于深度学习的工件目标识别方法，通过在mask R‑CNN基础上改进而得到Mobile‑Mask R‑CNN进行目标识别，具有三个改进点：一、mask R‑CNN的ResNet网络被MobileNetV3子网络替换，MobileNetV3子网络通过MobileNetV3的瓶颈层来构建；二、对Mask R‑CNN的RPN网络中用于生成大小为7×7的提议框的ROIAlign运算进行修改，使其用于生成大小为9×9的提议框；三、ROIAlign运算生成的提议框区域的特征图不直接输入mask R‑CNN的全连接层进行分类和回归，而是先进行空洞卷积后再输入mask R‑CNN的全连接层进行分类和回归；优点是识别速度和识别精度均较高，鲁棒性较强。
基本信息
专利标题 ：
一种基于深度学习的工件目标识别方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114445617A
申请号 ：
CN202111611355.0
公开（公告）日 ：
2022-05-06
申请日 ：
2021-12-27
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
朱江英汪仕宇陆东超王桥会
申请人 ：
宁波韵升智能技术有限公司;宁波韵升智能软件有限公司
申请人地址 ：
浙江省宁波市鄞州区民安路348号
代理机构 ：
宁波奥圣专利代理有限公司
代理人 ：
方小惠
优先权 ：
CN202111611355.0
主分类号 ：
G06V10/25
IPC分类号 ：
G06V10/25 G06V10/774 G06V10/82 G06K9/62 G06N3/04 G06N3/08
法律状态
2022-05-24 ：
实质审查的生效
IPC(主分类) : G06V 10/25
申请日 : 20211227
申请日 : 20211227
2022-05-06 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
