基于注意力机制和深度学习的钢板表面缺陷图像分类

• 全文链接
• 请求原文

作   者：

江培营;  陶青川;  艾梦琴; 

作者机构：

四川大学电子信息学院; 

关键词：

注意力机制;  表面检测;  CBAM;  Inception-ResnetV2; 

期刊名称：

计算机应用与软件

i s s n：

1000-386X

年卷期：

2021 年 009 期

页   码：

214-219

摘   要：

针对当前国内钢板表面缺陷图像分类精度不高的问题,提出一种基于注意力机制改进Inception-ResnetV2模型的钢板表面缺陷图像分类方法。实验将六种不同类型的热轧钢板表面缺陷图像进行分类,为了更好地提取任务相关特征,在Inception-ResnetV2模型基础上嵌入CBAM注意力机制模块,该模块可以自主学习每个通道和空间特征的重要性,实现通道和空间上的特征重标定,提升图像分类的表现。实验结果表明,该算法相比于传统Inception-ResnetV2模型识别率提升了2.17百分点,收敛速度更快,具有极大的工程应用价值。