图像分析和识别 | 浏览量 : 0 下载量: 211 CSCD: 0

  • 导出

  • 分享

  • 收藏

  • 专辑

    • 特征扰动池融合机制的多类工业缺陷检测

    • Feature disturbance pool-based fusion mechanism for multi-class industrial defect detection

    • “在工业检测领域，新网络通过特征扰动池和多层特征融合，提升了多类缺陷检测的鲁棒性和性能。”
    • 2025年30卷第5期 页码：1404-1418   

      收稿日期：2024-07-08，

      修回日期：2024-09-30，

      纸质出版日期：2025-05-16

    • DOI： 10.11834/jig.240323     

    移动端阅览

  • 杨杰， 胡文军， 臧影. 2025. 特征扰动池融合机制的多类工业缺陷检测. 中国图象图形学报， 30(5):1404-1418 DOI： 10.11834/jig.240323.
    Yang Jie， Hu Wenjun， Zang Ying. 2025. Feature disturbance pool-based fusion mechanism for multi-class industrial defect detection. Journal of Image and Graphics， 30(5):1404-1418 DOI： 10.11834/jig.240323.
  •  
  •  
文章被引用时，请邮件提醒。
提交

相关文章

相关作者

杨杰 湖州师范学院信息工程学院
胡文军 湖州师范学院信息工程学院;浙江省现代农业资源智慧管理与应用研究重点实验室;湖州市水域机器人技术重点实验室，湖州师范学院
臧影 湖州师范学院信息工程学院
宋霄罡 西安理工大学计算机科学与工程学院;人机共融智能机器人陕西省高校工程研究中心
张鹏飞 西安理工大学计算机科学与工程学院
刘万波 西安理工大学计算机科学与工程学院
鲁晓锋 西安理工大学计算机科学与工程学院;人机共融智能机器人陕西省高校工程研究中心
黑新宏 西安理工大学计算机科学与工程学院;人机共融智能机器人陕西省高校工程研究中心

相关机构

浙江省现代农业资源智慧管理与应用研究重点实验室
湖州市水域机器人技术重点实验室，湖州师范学院
西安理工大学计算机科学与工程学院
人机共融智能机器人陕西省高校工程研究中心
南京信息工程大学计算机学院
0