《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》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。