典型文献
基于改进领域对抗网络的瓷砖表面缺陷检测
文献摘要:
深度神经网络作为主流的表面缺陷检测方法之一,需要大量样本进行模型训练,而随着瓷砖产品多样化,同类型瓷砖缺陷样本有限.本文提出一种基于改进域对抗神经网络(MDANN)的瓷砖表面缺陷检测方法,参考传统的DANN结构,首先,在ImageNet公共数据集上预训练保存网络参数,提高训练速度;然后,在原网络中加入瓶颈层,并利用最大均值差异指标优化领域分布差异,改善了原DANN网络筛选源域的能力,实现小样本瓷砖的缺陷检测.实验结果表明,MDANN对瓷砖表面缺陷的有效检出率达98.77%,相比于原DANN网络提高了 3.53%,可快速适用于不同类型的瓷砖检测,泛化性好.
文献关键词:
瓷砖缺陷检测;深度学习;迁移学习;领域自适应神经网络(DANN)
中图分类号:
作者姓名:
林行;陈新度;吴磊;练洋奇
作者机构:
广东工业大学机电工程学院 广州510006
文献出处:
引用格式:
[1]林行;陈新度;吴磊;练洋奇-.基于改进领域对抗网络的瓷砖表面缺陷检测)[J].电子测量技术,2022(24):105-110
A类:
MDANN,瓷砖缺陷检测
B类:
领域对抗网络,表面缺陷检测,深度神经网络,缺陷检测方法,模型训练,本有,域对抗神经网络,ImageNet,公共数据,预训练,网络参数,提高训练,训练速度,瓶颈层,最大均值差异,指标优化,领域分布,分布差异,源域,小样本,有效检出率,泛化性,迁移学习,领域自适应,自适应神经网络
AB值:
0.317026
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。