基于残差模型改进的带钢缺陷分类网络

为了进一步提高带钢缺陷图像分类的准确性,文章基于ResNet18进行了改进,得到了一种新的网络结构,并命名为FusionNet。在FusionNet模型上添加卷积块注意力模块（Convolutional Block Attention Module,CBAM）后,验证集的准确性达到了99.50%,较基于ResNet18网络的CBAM模块及DenseNet121算法,准确率分别提高了0.94个百分点和1.51个百分点。设计的实验证明了改进后的网络具有一定的实用价值。