轻量级注意力X射线矿石检测方法
针对缺乏矿石数据集和矿石分类识别模型等因素,自建以X射线照射成像的矿石图像为数据集,并以MobileNet V2为主网络,提出基于改进MobileNet V2轻量级矿石分类模型算法.首先,通过调整扩展因子和宽度因子大幅减少模型参数量,实现模型轻量化的目的;其次,通过在部分倒残差模块和原模型分类器中嵌入高效通道注意力机制,并将剩余倒残差模块替换为含深度空洞卷积的并行特征提取网络,以增强模型特征信息提取能力,提升模型识别准确率;最后,使用迁移学习的训练方式初始化权重,加速模型训练.经过改进,该算法矿石识别准确率提升至96.720%,对比VGG16、GoogleNet、Xception、ShuffleNet和MobileNet V2在准确率和矿石检测速度都获得了提升.综合而言,相比本文实验中其他算法而言,改进算法针对矿石的识别性能具有更佳表现.
深度学习、X射线矿石图像分类、MobileNet V2、有效通道注意力机制、并行特征提取网络、迁移学习
45
TP391.4(计算技术、计算机技术)
江西省普通高校校级研究生创新专项资金项目XY2021-S113
2023-01-16(万方平台首次上网日期,不代表论文的发表时间)
共9页
71-79