基于改进生成对抗网络和MobileNetV3的带钢缺陷分类
针对数据集样本数量较少会影响深度学习检测效果的问题,提出了一种基于改进生成对抗网络和MobileNetV3的带钢缺陷分类方法。首先,引入生成对抗网络并对生成器和判别器进行改进,解决了类别错乱问题并实现了带钢缺陷数据集的扩充。然后,对轻量级图像分类网络MobileNetV3进行改进。最后,在扩充后的数据集上训练,实现了带钢缺陷的分类。实验结果表明,改进的生成对抗网络可生成比较真实的带钢缺陷图像,同时解决深度学习中样本不足的问题;且改进的MobileNetV3参数量是原有参数量的1/14左右,准确率为94.67%,比改进前提高了2.62个百分点,可在工业现场对带钢缺陷进行实时准确的分类。
文件下载
评论信息
-
-
-
weixin_45452680 :很不错，值得读一读2021-11-18 -
其他资源
- LINUX gps数据包解析
- 点云的边界提取
- MATLAB BP神经网络工具箱实例
- java-jna-4.2.1.jar
- 商务与经济统计 原书第12版
- MouseHook 鼠标全局钩子
- 气象温度、降雨、风力等制图颜色标准
- WPF地球3D旋转c#源码
- 基于lab空间的图像分割
- 软件工程导论课件(第六版)(张海潘编著)(1-13章)
- 高级菜单栏.网站，浪漫主义！超级炫酷漂亮！绝对好看
- AWS certified solution architect associate 题库
- 讲师训练教材.doc
- Kubernetes入门.pdf
- NxShell Setup 1.0.1.exe
- Quartus II 9.1 x64破解文件
- XDA签名工具
- GATE 自然语言处理
- 简易的php音乐播放器源码
- 传智播客2018年SpringBoot与Shiro整合-权限管理实战视频
- 两个简单漂亮的VB窗体美化源码
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明