基于迭代深度学习的缺陷检测

摘要：

随着深度学习的发展,越来越多基于深度学习的应用被推出,深度学习在目标检测,物体识别,语音语义识别等领域都取得了飞跃发展.其中,由于卷积神经网络在图像分类中的广泛应用,现如今的图像识别与传统的图像识别方法已经有了明显的区别.论文使用卷积神经网络对工件缺陷进行检测,针对深度学习在实际应用中出现的小数据集过拟合问题,提出了一种可迭代的深度学习方法来提高识别率并且降低数据的过拟合.

关键词：深度学习、卷积神经网络、过拟合、缺陷检测

所属期刊栏目：45

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目61262006,61540050;贵州省重大应用基础研究项目

在线出版日期：2017-07-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1133-1137