排序方式: 共有2条查询结果,搜索用时 15 毫秒
1
1.
针对实际生产中轴承滚子原始故障数据量少,数据集不平衡的问题,提出一种数据增强策略对原始的数据集进行扩充,并结合U-Net框架和轻量级深度学习模型构建了一个端到端的轴承滚子语义分割模型方法.通过结合U-Net框架和轻量级深度学习模型MobileNetV1、DenseNet121构建了端到端的轴承滚子语义分割模型LS-MobileNetV1、LS-DenseNet121,将所提模型基于迁移学习策略进行了训练,与其他模型进行对比实验分析.结果表明,与现有方法相比,本文方法在具有更少参数量的情况下实现了更高的分割精度与更具鲁棒性的检测效果,验证了所提方法的有效性. 相似文献
2.
针对实际生产中轴承滚子原始故障数据量少,数据集不平衡的问题,提出一种数据增强策略对原始的数据集进行扩充,并结合U-Net框架和轻量级深度学习模型构建了一个端到端的轴承滚子语义分割模型方法.通过结合U-Net框架和轻量级深度学习模型MobileNetV1、DenseNet121构建了端到端的轴承滚子语义分割模型LS-MobileNetV1、LS-DenseNet121,将所提模型基于迁移学习策略进行了训练,与其他模型进行对比实验分析.结果表明,与现有方法相比,本文方法在具有更少参数量的情况下实现了更高的分割精度与更具鲁棒性的检测效果,验证了所提方法的有效性. 相似文献
1