典型文献
浅层卷积神经网络融合Transformer的金属缺陷图像识别方法
文献摘要：
针对金属缺陷识别领域中传统深度学习方法存在参数量多、计算量大的问题,提出了一种浅层卷积神经网络融合Transformer模型的金属缺陷识别方法.利用浅层卷积神经网络学习图像局部信息与位置信息,通过Transformer学习图像全局信息,同时引入通道注意力模块SE关注重要特征通道,实现缺陷图像识别.通过引入公开缺陷数据集验证该方法的有效性,同时利用自建缺陷超声数据集验证所提方法的通用性.实验结果表明,在中小规模数据集上,该方法通用性较强,能够对金属缺陷图像进行有效识别.
文献关键词：
金属缺陷识别;深度学习;卷积神经网络;Transformer模型;多头注意力
中图分类号：
作者姓名：
唐东林;杨洲;程衡;刘铭璇;周立;丁超
作者机构：
西南石油大学机电工程学院,成都,610500
文献出处：
引用格式：
[1]唐东林;杨洲;程衡;刘铭璇;周立;丁超-.浅层卷积神经网络融合Transformer的金属缺陷图像识别方法)[J].中国机械工程,2022(19):2298-2305,2316
A类：
金属缺陷识别
B类：
网络融合,Transformer,图像识别,深度学习方法,参数量,计算量,神经网络学习,局部信息,位置信息,全局信息,通道注意力模块,SE,开缺,缺陷数据,数据集验证,通用性,中小规模,小规模数据集,多头注意力
AB值：
0.25725
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。
