《表1 卷积层超参数表:基于CNN的强噪声干扰下C扫成像检测方法》
所设计的深层CNN模型如图3所示,网络架构中包含19个卷积层(Conv)用于提取抽象特征,每个卷积层之后紧接批标准化层(BN)和非线性激活函数层(ReLU),除第一卷积层外,每两个卷积层形成一个短接模块,各卷积层的超参数如表1所示。网络架构中还设计有最大池化层(Max Pooling)和全局平均池化层(GAP)。网络的输入为(2000,1)的A扫全波数据,输出有两个分支,分别代表有缺陷A扫信号和无缺陷A扫信号。
图表编号 | XD00161936600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.18 |
作者 | 程垄、周世圆、胡怡、姚鹏娇、刘逯航、Fasil Kassa |
绘制单位 | 北京理工大学机械与车辆学院、北京理工大学机械与车辆学院、北京理工大学机械与车辆学院、北京理工大学机械与车辆学院、北京理工大学机械与车辆学院、北京理工大学机械与车辆学院 |
更多格式 | 高清、无水印(增值服务) |