基于Fisher准则的深层卷积神经网络织物疵点检测

• 作者: 史甜甜
• 来源期刊: 计算机系统应用
• 关键词: 深层卷积神经网络 深度可分离卷积 Fisher准则约束 梯度算法 织物疵点分类
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 软件技术·算法
• 页码范围: 140-145
• 页数: 6页
• 字数: 3902字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.006791

摘要

针对当前的算法无法满足具有周期性图案织物疵点分类检测,鉴于此,提出基于Fisher准则的深层卷积神经网络织物疵点检测算法.首先,利用深度可分离卷积设计小型的深层卷积神经网络(DCNN);其次,对DCNN网络的Softmax增加Fisher准则约束,通过梯度算法更新整个网络参数,得到深层卷积神经网络(FDCNN);最后,在TILDA和彩色格子数据集上分类率分别为98.14％和98.55％.实验结果表明:FDCNN模型既可以减小网络参数和降低运行时间,又可以提高织物疵点分类率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	史甜甜	浙江理工大学信息学院	1	0	0.0	0.0