物体表面检测本质上,正如其名称所示,检测物体。这意味着给定一个图像,它可以告诉你物体在哪里,以及这个物体是什么。这类模型有很多应用。举几个例子,物体检测在以下方面很有用:自动驾驶汽车,可以检测到乘客、其他车辆、红绿灯和停车标志。安保,模型可以探测到公共区域的危险物品,并向附近的警务人员报警。
物体表面检测模型是如何工作的?
1.朴素方法:我们将图像分割成多个部分,并对每个部分进行分类。这种方法效率低下是因为必须对每个生成的窗口应用分类网络(CNN),导致计算时间长。
2.滑动窗口方法:我们预先确定好窗口比例(或“锚”),然后滑过图像。对于每个窗口,我们处理它并继续滑动。与朴素方法类似,这种方法生成的窗口较多,处理时间也比较长。
3.选择性搜索:使用颜色相似度,纹理相似度,和一些其他的图像细节,我们可以用算法将图像分割成区域。虽然选择性搜索算法本身是耗时的,但这使得分类网络的应用需求较少。
4..区域建议网络:我们创建一个单独的网络来确定图像中感兴趣的区域。这使得我们的模型工作得更快,但也使得我们模型的准确性依赖于多个网络。
物体表面洁净度的要求如下:
去除油污:使用各种不同的方法,去除物体表面的油污,使其由憎水或局部憎水变成亲水性。这是衡量表面洁净度的重要的指标,也是表面预处理的主要目的。
除去表面杂质:采用相关清洗方法去除加工过程中的物质颗粒、抛光介质、抛光粉等,使其呈现所要求的纯净表面。从而使金属或非金属表面变成亲水表面。这也是表面洁净度的重要内容和表面预处理的目的之一。