[发明专利]一种基于Faster R-CNN的钢筋检测方法在审
| 申请号： | 201910451836.6 | 申请日： | 2019-05-28 |
| 公开（公告）号： | CN110298821A | 公开（公告）日： | 2019-10-01 |
| 发明（设计）人： | 刘辉;王笑笑;郭敏 | 申请（专利权）人： | 昆明理工大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06K9/62 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 650093 云*** | 国省代码： | 云南;53 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 钢筋 特征图 检测 钢筋图像 目标检测 特征向量 网络 计算机视觉技术 分类和回归 场景图像 候选区域 滑动窗口 模型检测 共享卷 后提取 强相关 池化 积层 视觉 再生 敏感 返回 | ||
1.一种基于Faster R-CNN的钢筋检测方法，其特征在于：
所述检测方法的具体步骤如下：
Step1、输入钢筋图像经过Faster R-CNN网络的共享卷积层后提取到钢筋图像的特征图；
Step2、将提取的特征图一部分输入到RPN网络中，经过滑动窗口，产生特征向量，将其产生的特征向量进行分类和回归生成区域建议；
Step3、接下来将RPN网络产生的区域建议返回到Faster R-CNN网络，同之前Step1中提取到的特征图输入到位置敏感候选区域池化Position-sensitive RoI pooling，RSROI使其固定成特定尺寸；再经过全连接层；
Step4、最后对经过全连接层之后得到的结果进行分类和回归，生成预测坐标值从而得到检测目标框，生成钢筋检测模型，通过该目标检测模型检测给定钢筋。
2.根据权利要求1所述的基于Faster R-CNN的钢筋检测方法，其特征在于：所述步骤Step1中，Faster R-CNN网络中用于提取特征图的网络结构为残差网络，采用的网络使用coco2017数据集对网络参数初始化。
3.根据权利要求1所述的基于Faster R-CNN的钢筋检测方法，其特征在于：所述步骤Step4中，采用了位置敏感候选区域池化，该池化层替代了原Faster R-CNN中的感兴趣区域池化，Step4中的位置敏感候选区域池化主要思想是在特征聚集时人工引入位置信息，从而有效改善较深的神经网络对物体位置信息的敏感程度。
4.根据权利要求1所述的基于Faster R-CNN的钢筋检测方法，其特征在于：所述步骤Step4中，采用了softer NMS算法进行分类，该算法用定位置信度来训练检测网络，从而提高定位精度。
5.根据权利要求1所述的基于Faster R-CNN的钢筋检测方法，其特征在于：所述步骤Step1中钢筋图像的大小为256*256。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于昆明理工大学，未经昆明理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201910451836.6/1.html，转载请声明来源钻瓜专利网。
