基于ResNet的石油焦与冶金焦图像分类

文章针对石油焦和冶金焦显微图像分类准确率低和小样本的问题,提出基于ResNet的石油焦与冶金焦图像分类模型,通过使用ImageNet大规模数据集上预先训练过的模型,获取更好的特征表示,实验对比了ResNet不同层的分类性能,且对比了训练模型前后的分类效果,确定了ResNet-50在处理该分类任务时的优势。将ResNet-50与其他深度学习模型进行对比分析,研究结果表明:ResNet-50结合预训练模型,能够准确区分2种焦炭类型,且鲁棒性较好。