摘要： 针对钢线圈剪切自动化中数据难以收集、钢线圈头部像素面积小及位置不确定等问题，提出一种改进Faster RCNN钢线圈头部小目标检测算法。对于目标像素面积占比小，区别特征不明显的问题，通过加入FPN对融合特征进行检测，同时，在网络中加入PAM并行注意力模块，提高特征图质量和区域建议网络生成的预选框质量。实验表明，改进后的网络在VOC2007数据集上mAP比原始Faster RCNN提高了约5%;在钢线圈数据集上mAP比原始Faster RCNN提高了约4%,实验表明改进算法具有一定的有效性。

关键词: 深度学习; 目标检测; Faster RCNN; 钢线圈

中图分类号: 

• TP391.41

• TG142.15