首页|联合损失监督的高频工件深度学习识别算法

联合损失监督的高频工件深度学习识别算法

High Frequency Workpiece Deep Learning Recognition Algorithm Based on Joint Loss Supervision

扫码查看
原文链接
  • 万方数据
  • 维普
针对高频工件种类多、类间相似度较高造成的识别准确率低的问题,提出一种联合损失监督的深度学习识别算法.搭建基于卷积神经网络的图像特征向量编码模型,采用角度余量损失替换SoftMax损失,以减小工件类内特征之间的距离,完成同类工件的鲁棒性表示;引入隔离损失以增大异类工件特征之间的距离,实现异类工件的良好性区分.实验结果表明:该方法相较于传统的图像识别方法,识别准确率更高;相较于单一的角度余量和隔离损失,识别准确率分别提高了 3.97％和13.88％.

杨涛、欧阳、苏欣、吴学杰、李柏林

展开 >

西南交通大学机械工程学院,四川成都610031

中国电子科技集团公司第十研究所,四川成都610036

工件识别 联合损失 监督学习 卷积神经网络

四川省重大科技专项

18ZDZX0140

2023

10.19344/j.cnki.issn1671-5276.2023.01.007

机械制造与自动化
南京机械工程学会 南京机电产业（集团）有限公司

机械制造与自动化

CSTPCD
影响因子：0.29
ISSN：1671-5276
年,卷(期)：2023.52(1)
  • 1
  • 6