基于改进残差网络的扬尘图像识别方法

• 作者: 王艳 张游杰
• 来源期刊: 计算机系统应用
• 关键词: 扬尘识别 深度学习 残差网络 金字塔池化 卷积神经网络
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 软件技术 · 算法|Software Technique · Algorithm
• 页码范围: 202-207
• 页数: 6页
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007909

摘要

当前利用深度学习方法进行扬尘图像识别的研究较少,一些传统的方法使得扬尘图像的识别率较低.针对这种情况,提出一种基于改进残差网络的扬尘识别方法.该方法将ResNet-50网络应用到扬尘数据集中,并对其网络结构进行了改进.加入空间金字塔池化以解决输入图像尺寸不固定的问题,并且将金字塔池的策略改为平均池化,将扩大特征图的方法应用到主干网络中,有利于提取到更加细粒度的特征,提升模型的性能,从而提高识别率.实验结果表明,该方法具有很高的精确度,为扬尘识别提供了一种有效的方案.