基于Caffe深度学习框架的标签缺陷检测应用研究
基于Caffe深度学习框架的标签缺陷检测应用研究
复制标题
DOI：
--
复制
发表时间：
2019
期刊：
影响因子：
--
通讯作者：
朱超
中科院分区：
文献类型：
--
作者：
李培秀;李致金;韩可;朱超
本文根据深度学习模型智能化的特点,提出了一种基于Caffe框架的深度学习缺陷检测模型,该模型的创新点主要表现在使用Dropout函数在图像特征抽象过程中,不断地踢除提取到的一般特征点,保留有效特征点,从而提高模型的分类识别率。实验结果表明,该方法的分类识别率高达97. 66%。与传统深度学习标签缺陷检测算法相比,该研究更加注重图像有效特征的提取,很大程度上提高了模型检测准确率,同时无需进行复杂的模板制作,实现方法简单,适应性强。