改进的VGG-16卷积神经网络算法在丁腈橡胶片材识别中的应用

针对VGG-16卷积神经网络识别丁腈橡胶片材时,出现了过拟合、参数量大、准确率较低的问题,提出在缩减原网络深度基础上改进的VGG-16卷积神经网络识别算法。通过嵌入多分辨率分组卷积、混合池化取代最大池化、增加自适配归一化(switchable normalization,SN)的方法,优化了网络结构。实验结果表明:该方法训练时未出现过拟合,参数量约下降至VGG-16的0.098%,相对仅缩减深度的VGG-16网络,识别准确率提高了7.17%,算法可应用于某些固体火箭发动机内绝热层材料的识别。