| 基于多尺度特征融合注意力机制的纸病分类方法研究 |
| |
| 引用本文： | 张开生,宋帆.基于多尺度特征融合注意力机制的纸病分类方法研究[J].中国造纸,2021,40(4):25-31. |
| |
| 作者姓名： | 张开生 宋帆 |
| |
| 作者单位： | 1.陕西科技大学电气与控制工程学院，陕西西安，710021;2.陕西科技大学电子信息与人工智能学院，陕西西安，710021 |
| |
| 基金项目： | 陕西省榆林市2020年科技计划项目（CXY-2020-090）。 |
| |
| 摘 要： | 针对造纸工业中传统纸病分类算法准确率低的问题,本课题提出一种多尺度图像增强结合注意力机制的方法;采用锐化滤波器和对比度增强操作获得图像对直线信息的响应,同时利用Sobel边缘检测获取图像对边缘信息的响应,然后将这些响应分别放进卷积神经网络(CNN)中提取浅层局部信息后进行特征融合,得到全局信息,最后利用注意力机制,通过关注这些图像中最有特点的部分,进行纸病分类。实验表明,该方法优于HOG+SVM、LBP+SVM以及传统CNN等方法,在自建数据集上,分类准确率可达到96.63%;与现有基于CNN的纸病分类算法相比,所需的数据量更少,分类效果更好。
|
| 关 键 词： | 多尺度特征融合 注意力机制 卷积神经网络 图像分类 |
| 收稿时间： | 2021/1/19 0:00:00 |
Research on Paper Defect Classification Method Based on Multi-scale Feature Fusion Attention Mechanism |
| |
| ZHANG Kaisheng,SONG Fan.Research on Paper Defect Classification Method Based on Multi-scale Feature Fusion Attention Mechanism[J].China Pulp & Paper,2021,40(4):25-31. |
| |
| Authors: | ZHANG Kaisheng SONG Fan |
| |
| Abstract: | |
| |
| Keywords: | multi-scale feature fusion attentional mechanisms convolutional neural network image classification |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《中国造纸》浏览原始摘要信息 |
|
点击此处可从《中国造纸》下载全文 |
|
