| 基于注意力机制和深度学习的钢板表面缺陷图像分类 |
| |
| 引用本文： | 江培营,陶青川,艾梦琴.基于注意力机制和深度学习的钢板表面缺陷图像分类[J].计算机应用与软件,2021,38(9):214-219. |
| |
| 作者姓名： | 江培营 陶青川 艾梦琴 |
| |
| 作者单位： | 四川大学电子信息学院 四川成都610065 |
| |
| 摘 要： | 针对当前国内钢板表面缺陷图像分类精度不高的问题,提出一种基于注意力机制改进Inception-ResnetV2模型的钢板表面缺陷图像分类方法.实验将六种不同类型的热轧钢板表面缺陷图像进行分类,为了更好地提取任务相关特征,在Inception-ResnetV2模型基础上嵌入CBAM注意力机制模块,该模块可以自主学习每个通道和空间特征的重要性,实现通道和空间上的特征重标定,提升图像分类的表现.实验结果表明,该算法相比于传统Inception-ResnetV2模型识别率提升了2.17百分点,收敛速度更快,具有极大的工程应用价值.
|
| 关 键 词： | 表面检测 注意力机制 Inception-ResnetV2 CBAM |
STEEL SURFACE DEFECT IMAGE CLASSIFICATION BASED ON ATTENTION MECHANISM AND DEEP LEARNING |
| |
| Jiang Peiying,Tao Qingchuan,Ai Mengqin.STEEL SURFACE DEFECT IMAGE CLASSIFICATION BASED ON ATTENTION MECHANISM AND DEEP LEARNING[J].Computer Applications and Software,2021,38(9):214-219. |
| |
| Authors: | Jiang Peiying Tao Qingchuan Ai Mengqin |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
