基于輕量化卷積神經(jīng)網(wǎng)絡(luò)的金屬斷口圖像識(shí)別

摘要： 工業(yè)環(huán)境下金屬斷口圖像識(shí)別是金屬失效分析的重要一環(huán),具有重要的研究意義.卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural networks, CNN)已被證實(shí)在圖像識(shí)別任務(wù)中是有效的,但是在工業(yè)環(huán)境下的金屬斷口圖像識(shí)別仍然面臨以下問題:1)金屬斷口圖像具有較強(qiáng)的類內(nèi)復(fù)雜性和類間相似性; 2)現(xiàn)有CNN網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜,參數(shù)較多,很難部署在嵌入式設(shè)備上.針對(duì)上述問題,提出一種基... （共9頁）