10.3969/j.issn.1006-9348.2022.07.046
基于改进残差网络的热轧带钢表面缺陷研究
针对于目前卷积神经网络(CNN)在实际应用中随着网络深度的增加,模型效果提升不明显和容易出现的梯度异常等问题,提出了一种基于传统18层残差网络(ResNet18)的改进模型Y-ResNet18.模型通过前置残差块中的批量标准化层(Batch Normalization,BN)与非线性激活层来提高特征提取的能力,同时引入swish激活函数代替原有的残差模型中的修正线性单元(Rectified Linear Unit,ReLu)进一步提升模型性能.该网络模型在东北大学(NEU)表面数据库提供的热轧带钢表面缺陷数据集上进行了测试,实验结果显示,上述模型在不加深层数的前提下对于热轧带钢的缺陷分类准确度可达到97.22%;优于相同层数的ResNet18与层数更深的ResNet50,同时能够有效的避免梯度消失与梯度爆炸等问题.
残差网络、批量标准化、激活函数、热轧带钢
39
TP391(计算技术、计算机技术)
国家自然科学基金;山东省高等学校优秀青年创新团队支持计划
2022-09-05(万方平台首次上网日期,不代表论文的发表时间)
共6页
243-247,420