典型文献
钢板表面缺陷深度主动学习高效分类方法
文献摘要：
针对钢板表面缺陷图像分类传统深度学习算法中需要大量标签数据的问题,提出一种基于主动学习的高效分类方法.该方法包含一个轻量级的卷积神经网络和一个基于不确定性的主动学习样本筛选策略.神经网络采用简化的convolutional base进行特征提取,然后用全局池化层替换掉传统密集连接分类器中的隐藏层来减轻过拟合.为了更好的衡量模型对未标签图像样本所属类别的不确定性,首先将未标签图像样本传入到用标签图像样本训练好的模型,得到模型对每一个未标签样本关于标签的概率分布(probability distribution over classes,PDC),然后用此模型对标签样本进行预测并得到模型对每个标签的平均PDC.将两类分布的KL-divergence值作为不确定性指标来筛选未标签图像进行人工标注.根据在NEU-CLS开源缺陷数据集上的对比实验,该方法可以通过44％的标签数据实现97％的准确率,极大降低标注成本.
文献关键词：
表面缺陷;主动学习;卷积神经网络;全局池化
中图分类号：
作者姓名：
周友行;孟高磊;赵文杰;易倩
作者机构：
湘潭大学机械工程学院 湘潭 411105;复杂轨迹加工工艺及装备教育部工程研究中心 湘潭 411105
文献出处：
引用格式：
[1]周友行;孟高磊;赵文杰;易倩-.钢板表面缺陷深度主动学习高效分类方法)[J].电子测量与仪器学报,2022(02):23-31
A类：
B类：
钢板表面缺陷,缺陷深度,主动学习,分类方法,图像分类,类传,深度学习算法,标签数据,轻量级,确定性的,样本筛选,筛选策略,convolutional,base,全局池化,层替换,换掉,密集连接,分类器,过拟合,像样,传入,样本训练,练好,概率分布,probability,distribution,over,classes,PDC,KL,divergence,定性指标,NEU,CLS,开源,缺陷数据
AB值：
0.430424
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。
