字符检测-宣雄智能科技-检测中文字符

检测对象:布匹缺陷

主要方法:作者使用一个多层的cnn网络对布匹缺陷数据集中的六类缺陷样本进行分类，分类结束之后，对于

每一类样本进行缺陷检测。具体做法是: 1.使用滑动窗口的方法在512*512的原图上进行采样，字符检测工具，采样大小为

128*128 ; 2.对上部分每一类图像采样后的小图像块进行二 -分类(有缺陷和无缺陷)。下图为文章两次分类使

用的cnn网络，两次分类的区别在于: 1.全连接层的输入分别为6和2 ; 2输入的图像尺日

目标定位是计算机视觉领域中基本的任务之一，同时它也是和传统意 义上缺陷检测接近的任务，其期的是获

得目标的位置和类别信息。目前， 基于---学习的目标检测方法层出不穷，-般来说， 基于---学习的缺陷

检测网络从结构.上可以划分为:以faster r-cnn为代表的两阶段(two stage)网络和以ssd或yolo为代表的一

阶段(one stage)网络。两者的主要差异在于两阶段网络需要首先生成可能包含缺陷的候选框(proal)，然后在

进一步进行目标检测。-阶段网络直接利用网络中提取的特征来预测缺陷的位置和类别。