《表1 识别缺陷的个数:基于集成深度学习的玻璃缺陷识别方法》
我们在自己创建的数据库上评估提出的玻璃缺陷识别方法,并将其性能与最近提出的几种算法进行比较,包括softmax,SVM,kmeans和KSVD。在实验中所有算法使用的参数全部相同,学习词典大小是全连接层输出的大小,稀疏度先设为T=6。识别结果表明本文算法在缺陷的识别中除了疥瘤缺陷外的每一类识别率均在90%以上,这可能由于疥瘤样本数据量较少,没有大范围的涵盖所有缺陷类型所致。但相比其他方法也具有明显的提高。识别结果如表1所示。
图表编号 | XD0036345300 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) |