典型文献
基于改进DenseNet201网络的织物疵点检测算法
文献摘要：
针对当前织物疵点检测存在大多数采用人工检测、速度慢、检测准确率低等问题,提出一种改进DenseNet201网络的织物检测算法.先对数据集图像进行预处理,可视化各种织物疵点类型的数量,把数据集划分为正常织物、8种常见织物疵点,对疵点图像进行数据增强,从而扩增训练集数量;然后提取在数据集ImageNet下预训练好的DenseNet201权重参数进行迁移学习,改进卷积层第1层、添加SPP层和本研究9分类的分类层;最后经过反复调整参数训练得到织物疵点检测模型.试验表明:改进后的DenseNet201模型对正常织物、8种常见织物疵点识别精度为96.8％.认为:改进DenseNet201网络模型具有良好的泛化性和鲁棒性.
文献关键词：
DenseNet201模型;图像处理;疵点检测;数据增强;迁移学习;SPP结构
中图分类号：
作者姓名：
陈永恒;陈军;罗维平
作者机构：
武汉纺织大学,湖北武汉,430200;塔里木大学,新疆阿拉尔,843300
文献出处：
引用格式：
[1]陈永恒;陈军;罗维平-.基于改进DenseNet201网络的织物疵点检测算法)[J].棉纺织技术,2022(03):1-7
A类：
B类：
DenseNet201,织物疵点检测,检测算法,速度慢,检测准确率,点类型,数据集划分,数据增强,训练集,ImageNet,预训练,练好,迁移学习,卷积层,SPP,复调,调整参数,练得,检测模型,识别精度,泛化性
AB值：
0.227006
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。
