Indexed by：
Abstract：
针对钢线圈剪切自动化中数据难以收集、钢线圈头部像素面积小及位置不确定等问题，提出一种改进Faster RCNN钢线圈头部小目标检测算法。对于目标像素面积占比小，区别特征不明显的问题，通过加入FPN对融合特征进行检测，同时，在网络中加入PAM并行注意力模块，提高特征图质量和区域建议网络生成的预选框质量。实验表明，改进后的网络在VOC2007数据集上mAP比原始Faster RCNN提高了约5%;在钢线圈数据集上mAP比原始Faster RCNN提高了约4%,实验表明改进算法具有一定的有效性。
Keyword：
Reprint 's Address：
Email：
Source ：
现代制造工程
Year： 2023
Issue： 08
Volume： 8
Page： 127-133,147
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 0
Affiliated Colleges：
