典型文献
基于深度卷积神经网络的钢材微观组织分类识别
文献摘要：
通过引入多种深度卷积神经网络及分类器构建机器学习模型,对钢材金相图数据集进行学习,研究了一种能够准确、高效识别钢材微观组织的方法.研究结果表明,文章中所涉及的3种深度卷积神经网络在钢材微观组织的分类识别上均表现出优异性能,其中Inception-V3表现尤为突出,其与人工神经网络分类器组合而成的机器学习模型的分类精度可达99.60％.
文献关键词：
金相图;微观组织;分类识别;机器学习;卷积神经网络
中图分类号：
作者姓名：
段献宝;何惠珍;李平平;张志鹏;魏灏;黄铁;徐云涛
作者机构：
武汉工程大学 材料科学与工程学院,湖北 武汉 430205;中车戚墅堰机车车辆工艺研究所有限公司,江苏 常州 213011
文献出处：
引用格式：
[1]段献宝;何惠珍;李平平;张志鹏;魏灏;黄铁;徐云涛-.基于深度卷积神经网络的钢材微观组织分类识别)[J].铁道车辆,2022(01):43-47
A类：
B类：
深度卷积神经网络,钢材,微观组织,分类识别,机器学习模型,金相图,图数据,优异性能,Inception,V3,人工神经网络,神经网络分类器,组合而成,分类精度
AB值：
0.250876
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
