購物車(0)
密集堆疊下的高相似度木塊橫截面檢測
魏文戈; 譚曉陽 南京航空航天大學(xué)計算機科學(xué)與技術(shù)學(xué)院; 江蘇南京211106; 軟件新技術(shù)與產(chǎn)業(yè)化協(xié)同創(chuàng)新中心; 江蘇南京211106; 中國計算機學(xué)會; 中國計算機學(xué)會計算機視覺專業(yè)組; 中國計算機學(xué)會人工智能與模式識別專委會; 江蘇省計算機協(xié)會人工智能專委會
關(guān)鍵詞：密集堆疊 高相似度 木塊橫截面 檢測 木塊生產(chǎn)交易
摘要：快速有效地檢測和獲取木塊橫截面信息,是提升木塊生產(chǎn)交易效率的關(guān)鍵。由于木塊往往被密集堆疊、木塊橫截面相似度高且邊界不明顯,給檢測木塊橫截面信息帶來了較大的挑戰(zhàn)。針對密集堆疊下的高相似度木塊橫截面檢測困難,本文提出了簡單高效的Wood R-CNN網(wǎng)絡(luò)模型,通過改進模型的損失函數(shù)和非極大值抑制算法來提升檢測精度,簡化網(wǎng)絡(luò)結(jié)構(gòu)和改進特征金字塔網(wǎng)絡(luò)來保證檢測速度。實驗證明:該模型可在密集堆疊情況下精確地檢測高相似度木塊橫截面,檢測速度較快且魯棒性良好,可實際運用于木塊生產(chǎn)和交易中。
智能系統(tǒng)學(xué)報雜志要求:
{1}作者簡介請標(biāo)明工作單位、職務(wù)、職稱、聯(lián)系電話、電子信箱、所在城市和郵編。
{2}文章須言之有物，理論聯(lián)系實際，研究目的明確，研究方法得當(dāng)，有自己的學(xué)術(shù)見解，對理論或?qū)嵺`具有參考、借鑒或指導(dǎo)作用。
{3}文題應(yīng)簡明確切地反映文章的特定內(nèi)容，以不超過20字為宜。
{4}參考文獻:應(yīng)為正式出版物上發(fā)表的、作者親自閱讀、與文稿主要內(nèi)容密切相關(guān)的近年文獻，要求精選。
{5}文前附400字以內(nèi)的中文、英文內(nèi)容提要，關(guān)鍵詞2-5個。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
相關(guān)期刊
