典型文献
一种基于改进SKNet的晶体图像异常识别算法
文献摘要：
晶体缺陷的研究在材料领域中十分重要,为此提出一种晶体异常图像检测方法.通过对晶体缺陷图像特点进行分析,以可选择卷积核网络(Selective Kernel Networks,SKNet)作为基础模型,同时对SKNet进行改进,以提高检测效果.一方面,为了避免通道权重信息的丢失,提高特征提取能力,采用高效通道注意力模块来替代SKNet中的压缩、激励模块;另一方面,为了提高对困难样本的分类效果,引入焦点损失替代交叉熵损失.实验结果表明:与参考算法相比,改进算法平均准确率提高了3.9％,异常图像精确率提高了1.5％,召回率提高了5.2％.
文献关键词：
高分辨率透射电镜;晶体图像异常识别;可选择卷积核网络;通道注意力;聚焦损失
中图分类号：
作者姓名：
董建;卯福启
作者机构：
北方工业大学,北京100144;中国地质大学(北京),北京100083
文献出处：
引用格式：
[1]董建;卯福启-.一种基于改进SKNet的晶体图像异常识别算法)[J].北京工业职业技术学院学报,2022(02):30-38
A类：
晶体图像异常识别,可选择卷积核网络,聚焦损失
B类：
SKNet,识别算法,晶体缺陷,材料领域,图像检测,Selective,Kernel,Networks,基础模型,高检,检测效果,重信,特征提取能力,高效通道注意力模块,困难样本,分类效果,焦点损失,代交,交叉熵损失,改进算法,平均准确率,精确率,召回率,高分辨率透射电镜
AB值：
0.294396
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。
