摘要
根据工业生产要求,需要对不同等级的产品进行分类,Inception-ResNet v2算法模型对其分类准确率相对较低,且检测速度慢,不能够满足工业现场实时性检测分类的需要.针对这些问题提出基于Inception-ResNet v2改进的算法.该方法在网络的Inception-ResNet v2结构中采用密集串联的方式,加强原始图像的特征传递,提取更多表面特征;又对网络的卷积方式进行改进,采用深度可分离卷积,同时降低特征图数量,用以降低网络的运算量从而提升整体网络的训练速度.实验结果表明,改进后的GoogLeNet算法准确率提高7％,运算量降低19％.
NETL
NSTL
维普
万方数据