-
公开(公告)号：CN111161207A
公开(公告)日：2020-05-15
申请号：CN201911110682.0
申请日：2019-11-14
Applicant: 西安工程大学
Abstract: 本发明公开了一种集成的卷积神经网络织物疵点分类方法，首先对织物图像进行预处理，将原本的图像数据集进行任意旋转、变暗、加入高斯噪声和椒盐噪声来增强数据；再次对图像进行归一化处理，对DenseNet、InceptionV3和Xception在ImageNet上训练过的模型进行微调和迁移，在训练过程中调整学习参数以及冻结层数和训练测试时间，进行多次尝试后训练出自己的权重，然后得到预测结果；最后将基础模型预测出来的结果作为集成的输入，Voting(soft)集成的结果作为最终预测结果。本方法能够快速、有效的分类出织物的疵点类别，降低纺织品生产过程中的成本，提高生产效率。
-
公开(公告)号：CN111858989B
公开(公告)日：2023-11-10
申请号：CN202010517660.2
申请日：2020-06-09
Applicant: 西安工程大学
IPC: G06V10/764 , G06V10/82 , G06N3/049 , G06N3/0464 , G06N3/082
Abstract: 本发明公开一种基于注意力机制的脉冲卷积神经网络的图像分类方法，其特征在于，具体的步骤为：步骤1，下载数据集；步骤2，对数据集进行预处理，得到预处理数据集；步骤3，建立脉冲卷积神经网络模型，所述脉冲卷积神经网络模型采用漏积分点火神经元模型；步骤4，采用所述脉冲卷积神经网络模型对预处理数据集进行训练，得到训练好的脉冲卷积神经网络模型；步骤5，输入待分类的图片，采用训练好的脉冲卷积神经网络模型对待分类进行分类，得到分类结果。本发明解决了现有技术中存在的图片分类效果不好的问题。
-
公开(公告)号：CN111161207B
公开(公告)日：2023-04-07
申请号：CN201911110682.0
申请日：2019-11-14
Applicant: 西安工程大学
Abstract: 本发明公开了一种集成的卷积神经网络织物疵点分类方法，首先对织物图像进行预处理，将原本的图像数据集进行任意旋转、变暗、加入高斯噪声和椒盐噪声来增强数据；再次对图像进行归一化处理，对DenseNet、InceptionV3和Xception在ImageNet上训练过的模型进行微调和迁移，在训练过程中调整学习参数以及冻结层数和训练测试时间，进行多次尝试后训练出自己的权重，然后得到预测结果；最后将基础模型预测出来的结果作为集成的输入，Voting(soft)集成的结果作为最终预测结果。本方法能够快速、有效的分类出织物的疵点类别，降低纺织品生产过程中的成本，提高生产效率。
-
公开(公告)号：CN111858989A
公开(公告)日：2020-10-30
申请号：CN202010517660.2
申请日：2020-06-09
Applicant: 西安工程大学
Abstract: 本发明公开一种基于注意力机制的脉冲卷积神经网络的图像分类方法，其特征在于，具体的步骤为：步骤1，下载数据集；步骤2，对数据集进行预处理，得到预处理数据集；步骤3，建立脉冲卷积神经网络模型，所述脉冲卷积神经网络模型采用漏积分点火神经元模型；步骤4，采用所述脉冲卷积神经网络模型对预处理数据集进行训练，得到训练好的脉冲卷积神经网络模型；步骤5，输入待分类的图片，采用训练好的脉冲卷积神经网络模型对待分类进行分类，得到分类结果。本发明解决了现有技术中存在的图片分类效果不好的问题。
-
-
-
Search Results
4
records
(took 0.024 seconds)
