《表1 卷积模型:基于R-FCN深层卷积神经网络的金属冲压件表面缺陷检测》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于R-FCN深层卷积神经网络的金属冲压件表面缺陷检测》
本文中特征提取部分分别采用ZF[14]、VGG16[15]、R es Net-50[16]、Res Net-101卷积网络模型进行试验,这几种网络模型的网络结构如表1所示。由于大部分划痕的痕迹轻微,金属表面图像背景多样性,增加了检测划痕缺陷的难度。为了提取更加精确的特征,选择使用卷积层数更深的Res Net-101网络前5组卷积神经网络进行特征提取。Res Net网络使用拟合残差映射的方式代替直接拟合底层映射,设拟合残差映射为F(x),拟合底层映射为H(x)。由于底层映射较难直接计算,因此计算F(x),利用F(x)=H(x)-x,通过计算F(x)+x得到H(x)。拟合残差可以使网络层数增多,训练的模型可以更好地接近真实情况。
图表编号 | XD00131568200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.10 |
作者 | 苑丹丹、阎相伊、路丹丹、李宁 |
绘制单位 | 天津工程机械研究院有限公司 |
更多格式 | 高清、无水印(增值服务) |