《表1 Darknet-19卷积神经网络的结构》
识别碳纤维预浸料表面图像中的缺陷目标,第1步需要提取图像特征。本文采用Darknet-19卷积神经网络提取图像特征,与牛津大学视觉组(visual geometry group)设计的VGG-16和Google公司设计的GoogleNet等卷积神经网络相比,该网络具有更快的训练速度,且在世界图像识别最大数据库ImageNet数据库上,该网络的top-1准确率达到72.9%,top-5准确率达到91.2%。Darknet-19网络由19个卷积层和5个最大池化层组成。该神经网络使用了较多的3×3卷积核,在每次池化操作后将通道数翻倍,同时使网络全局平均池化,将1×1卷积核置于3×3卷积核之间,用来压缩特征[13]。Darknet-19网络在每个卷积层后均加入一个批量标准化层,可稳定模型训练,加速模型收敛,正则化模型[14]。Darknet-19卷积神经网络的结构如表1所示。将224像素×224像素分辨率的图像输入网络后,经过卷积和池化操作获得图像目标特征,最终输出目标特征图。
图表编号 | XD00152718500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.15 |
作者 | 路浩、陈原 |
绘制单位 | 山东大学机电与信息工程学院、山东大学机电与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |