基于迁移学习的GoogLenet煤矸石图像识别

• 作者: 曹现刚 薛祯也
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: GoogLenet 煤矸石识别 迁移学习
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 图形图像与辅助设计
• 页码范围: 183-186
• 页数: 4页
• 分类号: TP317.4
• 字数: 2332字
• 语种: 中文
• DOI: 10.11907/rjdk.191275

摘要

已有的煤矸石识别方法具有一定效果,但无法满足实际需求.为了寻找新的煤矸石识别方法,提出了基于深度学习的煤矸石图像识别方法.采用Inception模型,并通过迁移学习共享已训练模型卷积层权值和偏差.从煤矸石图像库中随机抽取煤矸石图像作为训练集和测试集,最后将该方法与传统图像识别方法进行比对.实验结果表明,该模型可以有效识别煤矸石,准确率为93.5％,有效提高了煤矸识石别准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹现刚	西安科技大学机械工程学院	47	81	5.0	6.0
2	薛祯也	西安科技大学机械工程学院	2	2	1.0	1.0