典型文献
轻量级注意力X射线矿石检测方法
文献摘要：
针对缺乏矿石数据集和矿石分类识别模型等因素,自建以X射线照射成像的矿石图像为数据集,并以MobileNet V2为主网络,提出基于改进MobileNet V2轻量级矿石分类模型算法.首先,通过调整扩展因子和宽度因子大幅减少模型参数量,实现模型轻量化的目的;其次,通过在部分倒残差模块和原模型分类器中嵌入高效通道注意力机制,并将剩余倒残差模块替换为含深度空洞卷积的并行特征提取网络,以增强模型特征信息提取能力,提升模型识别准确率;最后,使用迁移学习的训练方式初始化权重,加速模型训练.经过改进,该算法矿石识别准确率提升至96.720％,对比VGG16、GoogleNet、Xception、ShuffleNet和MobileNet V2在准确率和矿石检测速度都获得了提升.综合而言,相比本文实验中其他算法而言,改进算法针对矿石的识别性能具有更佳表现.
文献关键词：
深度学习;X射线矿石图像分类;MobileNet V2;有效通道注意力机制;并行特征提取网络;迁移学习
中图分类号：
作者姓名：
杨文龙;郭明钰
作者机构：
江西理工大学电气工程与 自动化学院 赣州341000;江钨集团赣州有色冶金研究所有限公司 赣州341000;赣州有色冶金研究所有色金属矿冶装备工业设计中心 赣州341000
文献出处：
引用格式：
[1]杨文龙;郭明钰-.轻量级注意力X射线矿石检测方法)[J].电子测量技术,2022(18):71-79
A类：
并行特征提取网络,矿石识别
B类：
轻量级注意力,分类识别模型,射成,MobileNet,V2,主网,分类模型,模型算法,模型参数量,模型轻量化,倒残差,残差模块,模型分类,分类器,高效通道注意力机制,空洞卷积,增强模型,模型特征,特征信息提取,模型识别,识别准确率,迁移学习,训练方式,初始化,加速模型,模型训练,准确率提升,VGG16,GoogleNet,Xception,ShuffleNet,检测速度,比本,改进算法,识别性,图像分类,有效通道注意力机制
AB值：
0.37114
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。
