《表2 不同训练方法结果及参数量对比》

  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

《基于动态监督知识蒸馏的输电线路螺栓缺陷图像分类》

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

本文在输电线路螺栓缺陷分类中引入了知识蒸馏技术，并根据螺栓缺陷图像分类数据集的特性，提出了一种基于动态监督知识蒸馏的输电线路螺栓缺陷图像分类方法，即本文使教师网络将网络输出层的自适应加权法和网络隐藏层的注意力转移机制联合指导学生网络训练，以确保学生网络的螺栓缺陷分类准确率。为了证明所提方法的有效性，本文利用自建螺栓缺陷图像分类数据集分别进行了7组实验：第1组为教师网络利用真实标签训练后的分类准确率；第2组为学生网络利用真实标签训练后的分类准确率；第3组至第7组实验为教师网络利用不同蒸馏方法指导学生网络训练，第3组（方法1）为教师网络利用常规知识蒸馏指导学生网络训练后的学生网络分类准确率；第4组（方法2）为教师网络利用隐藏层注意力转移机制指导学生网络训练后的学生网络分类准确率；第5组（方法3）为教师网络利用自适应加权法指导学生网络训练后的学生网络分类准确率；第6组（方法4）为教师网络利用注意力转移机制和常规知识蒸馏联合指导学生网络训练后的学生网络分类准确率；第7组（方法5）为教师网络将注意力转移机制和自适应加权法联合指导学生网络训练后的学生网络分类准确率。其中，方法2、方法3和方法5均为本文针对螺栓缺陷图像分类数据集的特性提出的教师网络指导学生网络训练的方式。本文7组实验结果均取测试集收敛后分类准确率前10的均值，不同训练方法实验结果及网络参数量如表2所示。