论文部分内容阅读
目标检测通过运用卷积神经网络技术,使得在识别的精度上取得非常大的进步。通用的目标检测已经取得较好的检测效果,但是针对工业生产中存在样本量较少的斜视目标问题,算法检测效果较差。主要的原因是训练样本非常稀少,造成基于深度神经网络的检测模型训练发生偏移,对整体的检测精度造成影响。本文提出一种基于透视变换数据增广的斜视目标鲁棒检测方法,通过透视变换模拟斜视目标出现的场景,解决斜视目标样本量较少的问题,同时能够显著增加用于训练的斜视目标样本量,提高斜视目标的识别精度。实验结果表明本文提出的方法对检测精度的提高