《表3 不同方法对比:基于集成深度学习的玻璃缺陷识别方法》
本文使用CNN网络特征提取优先于Gabor[16]特征提取(五尺度和八方向的40个过滤器)。由θ控制采样方向分别设置为0,\n\t\t\t\t\t\t。测试集和训练集跟上述训练参数一样,稀疏因子为30。实验结果如表3。这两种方法在识别玻璃缺陷方面都很有效,但本文方法表现的更好一点。
图表编号 | XD0036345200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.02.25 |
作者 | 张丹丹、金永、胡缤予、赵宇帆 |
绘制单位 | 中北大学信息与通信工程学院、中北大学信息与通信工程学院、中北大学信息与通信工程学院、中北大学信息与通信工程学院 |
更多格式 | 高清、无水印(增值服务) |