基于迁移学习的钢板表面缺陷识别
计算机视觉与模式识别
2019-09-18 v2
摘要
自动缺陷识别是钢铁生产中的研究热点之一，但目前大多数方法主要依靠人工提取特征，并使用机器学习分类器来识别缺陷，这无法应对训练数据稀少且局限于特定场景的情况。因此，本文提出了一种新方法，该方法由预训练 VGG16 的一部分作为特征提取器，以及一个新的 CNN 神经网络作为分类器组成，基于特征提取器生成的特征图来识别带钢表面缺陷。在每类包含 150 张图像和每类仅含 10 张图像的数据集上，我们的方法分别达到了 99.1% 和 96.0% 的准确率，远优于以往的方法。
引用
@article{arxiv.1909.03258,
title = {Recognition Of Surface Defects On Steel Sheet Using Transfer Learning},
author = {Jingwen Fu and Xiaoyan Zhu and Yingbin Li},
journal= {arXiv preprint arXiv:1909.03258},
year = {2019}
}