典型文献
基于ResNet50与迁移学习的轮毂识别
文献摘要：
针对人工进行轮毂分拣存在的误识别问题,采用一种基于ResNet50与迁移学习的神经网络模型来识别汽车轮毂.把预训练模型参数迁移到ResNet50卷积神经网络中,修改原网络的输出层,构建基于ResNet50的迁移学习模型,通过进一步训练轮毂数据集来微调模型参数,提取轮毂的细粒度特征.通过对比AlexNet、VGG11、VGG16与ResNet50模型在未使用微调、使用微调和冻结不同数量卷积层参数时的训练效率、准确率,证明ResNet50迁移学模型在冻结前7个Bottleneck残差块参数时不仅能缩短训练时间,并能在相同迭代周期下取得更高的准确率.在该冻结策略下训练生成TL-ResNet50迁移学习模型,分别对8种轮毂进行预测,得出每种轮毂的平均准确率达到99％以上.
文献关键词：
计量学;轮毂识别;残差网络;迁移学习;细粒度图像分类
中图分类号：
作者姓名：
张典范;杨镇豪;程淑红
作者机构：
燕山大学河北省特种运载装备重点实验室,河北秦皇岛066004;燕山大学电气工程学院,河北秦皇岛066004
文献出处：
引用格式：
[1]张典范;杨镇豪;程淑红-.基于ResNet50与迁移学习的轮毂识别)[J].计量学报,2022(11):1412-1417
A类：
轮毂识别
B类：
ResNet50,迁移学习,工进,分拣,误识,汽车轮毂,预训练模型,参数迁移,出层,微调,细粒度特征,AlexNet,VGG11,VGG16,冻结,卷积层,训练效率,Bottleneck,残差块,短训,训练时间,TL,平均准确率,残差网络,细粒度图像分类
AB值：
0.344269
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。
