基于优化卷积神经网络的表面缺陷检测

• 作者: 姚明海 袁惠
• 来源期刊: 高技术通讯
• 关键词: 卷积神经网络(CNN) 自适应加权池化模型 缺陷检测 子采样
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 计算机与通信技术
• 页码范围: 564-569
• 页数: 6页
• 字数: 4505字
• 语种: 中文
• DOI: 10.3772/j.issn.1002-0470.2019.06.006

摘要

卷积神经网络(CNN)具有权值数量少,训练速度快等优点,在图像识别、机器视觉等领域得到广泛应用.本文提出了一种卷积神经网络的自适应加权池化算法,算法通过生成合并通道,并在学习掩模的引导下汇集特征,优化了子采样模型的特征提取,有效改善了网络的识别准确性和快速性.利用该算法对磁片表面缺陷进行检测实验,实验结果表明,本文提出的池化模型使卷积神经网络对特征的提取更加精确,同时提高了收敛速度和鲁棒性,并且可以应用于各种深度神经网络体系结构中.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姚明海	浙江工业大学信息工程学院	91	1088	17.0	30.0
2	袁惠	浙江工业大学信息工程学院	1	4	1.0	1.0