10.3969/j.issn.1000-386x.2021.09.033
基于注意力机制和深度学习的钢板表面缺陷图像分类
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.
表面检测;注意力机制;Inception-ResnetV2;CBAM
38
TP3(计算技术、计算机技术)
2021-09-28（万方平台首次上网日期，不代表论文的发表时间）
共6页
214-219
