10.13338/j.issn.1006-8341.2020.04.011
基于EfficientNets的织物疵点图像分类方法
针对现有的织物疵点图像分类效率低的问题,提出了一种基于EfficientNets的织物疵点图像分类方法.首先,为了解决小样本数据在网络模型训练过程中过拟合的问题,采用数据增强的方法增加织物疵点图像的样本数据;其次,通过ImageNet数据集上训练得到的权重,采用迁移学习的方法构建EfficientNets模型;最后,使用softmax分类器对织物疵点图像进行分类.仿真实验针对数据增强后的TILDA数据集,采用4个常用的网络模型DenseNet201、Inception_v3、Xcep-tion、ResNeXtl01及文中提出的方法,从织物疵点图像分类的准确率、训练时间及参数量3个方面进行对比分析.结果表明:提出的方法能够利用较少的参数量,获得较高的织物疵点图像分类准确率.
图像分类、小样本、迁移学习、织物疵点、卷积神经网络(CNN)
33
TS107;TP391.41(纺织工业、染整工业)
国家自然科学基金;国家重点研发计划项目;陕西省高校科协人才托举计划项目
2021-03-03(万方平台首次上网日期,不代表论文的发表时间)
共7页
64-70