字符识别检测-字符检测-苏州宣雄智能

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，ocr字符检测，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，字符识别检测，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，ocr字符检测批发，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

检测对象:钢表面缺陷

主要方法:基于faster r-cnn的带钢表面缺陷检测网络，字符检测，该网络的改进在于提出的多级特征融合网络( mfn )

将多个分层特征组合成一个特征 ，可以包括缺陷的更多位置细节。基于这些多级特征，采用区域---网络

( rpn )生成感兴趣区域( roi ) .在缺陷检测数据集neu-det.上，提出的方法在采用resnet-50的

backbone下实现了82.3%的map。