0445110168 169 284 315 форсункад зориулсан OEM шинэ нийтлэг төмөр замын хавхлагын угсралт F00VC01329

Автомашины инжекторын хавхлагын суудлын гэмтэлийг хайлуулах шинж чанарт үндэслэн илрүүлэх(3-р хэсэг)

Үүний үр дүнд инжекторын хавхлагын суултыг илрүүлэхэд зургийг шахах шаардлагатай бөгөөд зургийн хэмжээг 800 × 600 хүртэл боловсруулж, нэгдсэн стандарт зургийн өгөгдлийг олж авсны дараа мэдээллийн хомсдолоос зайлсхийхийн тулд өгөгдлийг сайжруулах аргыг ашигладаг. мөн загварыг нэгтгэн дүгнэх чадвар нэмэгддэг. Өгөгдлийн сайжруулалт нь гүнзгий суралцах загваруудыг сургах чухал хэсэг юм [3]. Өгөгдлийг нэмэгдүүлэх ерөнхийдөө хоёр арга бий. Нэг нь сүлжээний загварт өгөгдлийн цочролын давхаргыг нэмж дүрсийг цаг болгонд сургах боломжийг олгох, өөр нэг арга нь илүү энгийн бөгөөд энгийн, зургийн дээжийг сургалтын өмнө зураг боловсруулах замаар сайжруулдаг, бид өгөгдлийн багцыг ашиглан өргөтгөх. геометр, өнгөний орон зай зэрэг дүрсийг сайжруулах аргууд ба 1-р зурагт үзүүлсэн шиг өнгөт орон зайд HSV-г ашиглана.

Хурдан R-CNN согогийн гажигийн загварыг сайжруулах Faster R-CNN алгоритмын загварт юуны түрүүнд оролтын зургийн онцлогуудыг задлах шаардлагатай бөгөөд задалсан гаралтын шинж чанарууд нь эцсийн илрүүлэх нөлөөнд шууд нөлөөлдөг. Объект илрүүлэх цөм нь шинж чанарыг задлах явдал юм. Faster R-CNN алгоритмын загвар дахь нийтлэг шинж чанарыг задлах сүлжээ нь VGG-16 сүлжээ юм. Энэхүү сүлжээний загварыг эхлээд зургийн ангилалд [4] ашигласан бөгөөд дараа нь семантик сегментчилэл [5] болон тод байдлыг илрүүлэх [6] зэрэгт маш сайн байсан.

Faster R-CNN алгоритмын загвар дахь онцлог задлах сүлжээг VGG-16 гэж тохируулсан боловч алгоритмын загвар нь илрүүлэх чадвар сайтай ч зургийн онцлог задлахад зөвхөн сүүлийн давхаргын онцлогийн газрын зургийн гаралтыг ашигладаг. зарим алдагдал, онцлогийн газрын зургийг бүрэн гүйцэд хийж чадахгүй байгаа нь жижиг зорилтот объектыг илрүүлэхэд алдаа гаргахад хүргэж, эцсийн таних үр дүнд нөлөөлнө.