期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于IDACL深度度量学习的零件表面缺陷检测
1
作者
李可
储世伟
+2 位作者
顾杰斐
宿磊
薛志钢
《华中科技大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2024年第6期32-38,共7页
针对深度度量学习模型应用于机械零件表面缺陷检测存在易受噪声标签干扰、训练时间长、分类精度不高等问题,提出了一种基于改进深度注意中心损失(IDACL)的深度度量学习方法.首先,用O2U-Net模型对样本数据进行清洗,减少噪声样本对模型训...
针对深度度量学习模型应用于机械零件表面缺陷检测存在易受噪声标签干扰、训练时间长、分类精度不高等问题,提出了一种基于改进深度注意中心损失(IDACL)的深度度量学习方法.首先,用O2U-Net模型对样本数据进行清洗,减少噪声样本对模型训练的影响;然后,将O2U-Net模型参数迁移至深度度量学习模型,并提取各类样本中心作为深度注意中心损失的初始类中心;最后,根据样本点与类中心的距离设置权重以优化损失函数,提高模型的分类精度.中间壳体零件表面缺陷的实验结果表明,提出的方法相较其他方法具有更快的训练速度和更高的检测精度.
展开更多
关键词
表面缺陷检测
深度度量学习
深度注意中心损失
O2U-Net模型
机械零件
原文传递
题名
基于IDACL深度度量学习的零件表面缺陷检测
1
作者
李可
储世伟
顾杰斐
宿磊
薛志钢
机构
江南大学江苏省食品先进制造装备技术重点实验室
江南大学机械工程学院
江苏省特种设备安全检验监督研究院无锡分院
出处
《华中科技大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2024年第6期32-38,共7页
基金
国家自然科学基金资助项目(52175096)。
文摘
针对深度度量学习模型应用于机械零件表面缺陷检测存在易受噪声标签干扰、训练时间长、分类精度不高等问题,提出了一种基于改进深度注意中心损失(IDACL)的深度度量学习方法.首先,用O2U-Net模型对样本数据进行清洗,减少噪声样本对模型训练的影响;然后,将O2U-Net模型参数迁移至深度度量学习模型,并提取各类样本中心作为深度注意中心损失的初始类中心;最后,根据样本点与类中心的距离设置权重以优化损失函数,提高模型的分类精度.中间壳体零件表面缺陷的实验结果表明,提出的方法相较其他方法具有更快的训练速度和更高的检测精度.
关键词
表面缺陷检测
深度度量学习
深度注意中心损失
O2U-Net模型
机械零件
Keywords
surface defect inspection
deep metric learning
deep attention center loss
O2U-Net model
mechanical part
分类号
TH17 [机械工程—机械制造及自动化]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于IDACL深度度量学习的零件表面缺陷检测
李可
储世伟
顾杰斐
宿磊
薛志钢
《华中科技大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2024
0
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部