10.3969/j.issn.1005-2895.2023.02.012
基于注意力机制与ResNet的残余奥氏体评级研究
针对目前残余奥氏体评级受限于金相设备与研究者的工作经验,不确定因素较多的问题,课题组采用迁移学习与CBAM优化ResNet50 模型对残余奥氏体等级进行识别,并构建残余奥氏体级别评级模型,最后使用测试数据集对于模型复杂度与准确度进行验证.实验结果表明:该模型对于残余奥氏体金相图谱识别性较强,等级识别准确率达到94.1%,并且对于其他金相组织也有较好的泛化能力,能够满足现场检测需求.
残余奥氏体、评级模型、注意力机制、ResNet、迁移学习
41
TG115.21;TH742.4(金属学与热处理)
2023-05-12(万方平台首次上网日期,不代表论文的发表时间)
共8页
78-84,92