买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：天津科技大学

摘要：本发明公开了一种基于改进FasterRCNN的车身划痕检测方法，属于计算机视觉目标检测技术领域。本发明包括以下步骤：获取待检测图片和带有标签的车身划痕数据集；构建改进FasterRCNN网络模型，具体包括，FasterRCNN网络的特征提取层采用M‑FPN网络，所述M‑FPN网络为与特征金字塔网络相融合的MobileNetV3网络；利用带有标签的车身划痕数据集训练改进FasterRCNN网络模型；将待检测图片输入训练后的改进FasterRCNN网络模型，获取车身划痕检测结果。本发明在FasterRCNN基础上，引入与多尺度目标检测算法特征金字塔网络FPN相融合的MobileNetV3网络替换FassterRCNN中特征提取层常用的VGG、ZF网络，解决了目前车身划痕检测方法准确率较低、可用性较差的问题。

主权项：1.一种基于改进FasterRCNN的车身划痕检测方法，其特征在于，包括以下步骤：S1、获取待检测图片和带有标签的车身划痕数据集；S2、构建改进FasterRCNN网络模型，其中，所述改进FasterRCNN网络模型具体包括，FasterRCNN网络的特征提取层采用M-FPN网络，所述M-FPN网络为与特征金字塔网络相融合的MobileNetV3网络；其中，MobileNetV3网络与特征金字塔网络相融合的具体步骤包括，根据MobileNetV3网络输出特征图的维度大小对MobileNetV3网络进行分层；针对每一层对应卷积层输出的特征矩阵通过1*1*256且步距为1的卷积核进行升维或降维操作，使得每一层输出的特征矩阵的维度相同；针对得到的维度相同的的上一层特征矩阵进行上采样操作获取与下一层特征矩阵空间尺寸相同的特征矩阵并进行特征融合；将特征融合后的特征矩阵分别进行3*3*256卷积操作获取MobileNetV3网络输出特征图每一层对应的新的特征矩阵；将3*3*256卷积操作后维度最高的特征矩阵通过1*1*256且步距为2的卷积层并进行下采样获取附加特征矩阵；将新的特征矩阵和附加特征矩阵输出对应尺度的特征图，实现MobileNetV3网络与特征金字塔网络的融合；S3、将带有标签的车身划痕数据集作为训练样本训练改进FasterRCNN网络模型；训练改进FasterRCNN网络模型，具体包括以下步骤：S31、利用ImageNet数据集预训练改进FasterRCNN网络模型，获取预训练权重，利用预训练权重初始化改进FasterRCNN网络模型的RPN网络，在此基础上，使用带有标签的车身划痕数据集作为训练样本单独训练改进FasterRCNN网络模型的RPN网络层参数；S32、固定RPN网络独有的卷积层以及全连接层参数，并利用RPN网络生成的目标建议框训练FastRCNN网络参数；S33、利用FastRCNN训练好的前置卷积网络层参数微调RPN网络独有的卷积层以及全连接层参数；S34、保持固定前置卷积网络层参数，微调FastRCNN网络的全连接层参数；S35、RPN网络与FastRCNN网络共享前置卷积网络层参数，构成一个统一的网络；S4、将待检测图片输入训练后的改进FasterRCNN网络模型，获取车身划痕检测结果。

全文数据：

权利要求：

百度查询： 天津科技大学 一种基于改进Faster RCNN的车身划痕检测方法