基于EfficientNets的织物疵点图像分类方法

发布时间：2021-04-28 13:14

　　针对现有的织物疵点图像分类效率低的问题,提出了一种基于EfficientNets的织物疵点图像分类方法。首先,为了解决小样本数据在网络模型训练过程中过拟合的问题,采用数据增强的方法增加织物疵点图像的样本数据;其次,通过ImageNet数据集上训练得到的权重,采用迁移学习的方法构建EfficientNets模型;最后,使用softmax分类器对织物疵点图像进行分类。仿真实验针对数据增强后的TILDA数据集,采用4个常用的网络模型DenseNet201、 Inception_v3、 Xception、ResNeXt101及文中提出的方法,从织物疵点图像分类的准确率、训练时间及参数量3个方面进行对比分析。结果表明:提出的方法能够利用较少的参数量,获得较高的织物疵点图像分类准确率。 

【文章来源】：纺织高校基础科学学报. 2020,33(04)

【文章页数】：7 页

【文章目录】：
0引言
1 EfficientNets模型相关理论
    1.1 复合系数缩放
    1.2 EfficientNets模型结构和参数
    1.3 迁移学习
2 实验结果与分析
    2.1 实验平台
    2.2 数据预处理
    2.3 实验结果
        2.3.1 参数设置
        2.3.2 性能测试
        2.3.3 精准率和召回率
3 结 语


【参考文献】：
期刊论文
[1]基于深度学习的织物疵点检测研究进展[J]. 贺智明,彭亚楠.  毛纺科技. 2019(08)
[2]基于降维融合特征和集成学习的织物疵点分类[J]. 夏雨薇,石美红,贺飞跃,赵雪青.  国外电子测量技术. 2019(07)
[3]基于Gabor滤波器和HOG特征的织物疵点检测[J]. 汤晓庆,黄开兴,秦元庆,周纯杰.  计算机测量与控制. 2018(09)
[4]基于卷积神经网络的织物表面缺陷分类方法[J]. 景军锋,刘娆.  测控技术. 2018(09)
[5]基于稀疏表示的印花织物疵点检测[J]. 刘茁梅,李鹏飞,景军锋.  西安工程大学学报. 2018(02)
[6]基于深度卷积神经网络的织物花型分类[J]. 张宏伟,张凌婕,李鹏飞.  纺织高校基础科学学报. 2017(02)



本文编号：3165541