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，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，检测中文字符，同时它也是和传统意 义上缺陷检测接近的任务，字符检测工具，其期的是获
得目标的位置和类别信息。目前，字符缺陷检测， 基于深度学习的目标检测方法层出不穷，-般来说， 基于深度学习的缺陷
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。
字符缺陷检测-苏州宣雄-苏州字符检测由苏州宣雄智能科技有限公司提供。苏州宣雄智能科技有限公司是从事“缺陷检测,摄像头缺陷检测”的企业，公司秉承“诚信经营，用心服务”的理念，为您提供更好的产品和服务。欢迎来电咨询！联系人：朱秀谨。