基于迁移学习的GoogLenet煤矸石图像识别

基于迁移学习的GoogLenet煤矸石图像识别

论文摘要

已有的煤矸石识别方法具有一定效果,但无法满足实际需求。为了寻找新的煤矸石识别方法,提出了基于深度学习的煤矸石图像识别方法。采用Inception模型,并通过迁移学习共享已训练模型卷积层权值和偏差。从煤矸石图像库中随机抽取煤矸石图像作为训练集和测试集,最后将该方法与传统图像识别方法进行比对。实验结果表明,该模型可以有效识别煤矸石,准确率为93.5%,有效提高了煤矸识石别准确率。

论文目录

  • 0 引言
  • 1 相关理论
  •   1.1 卷积神经网络
  •   1.2 GoogLenet Inception模型
  •   1.3 基于迁移学习的Inception V3模型
  • 2 识别实验与结果分析
  •   2.1 煤和矸石样本采集
  •   2.2 样本集扩增
  •   2.3 模型参数设置
  •   2.4 实验结果分析
  • 3 结语
  • 文章来源

    类型: 期刊论文

    作者: 曹现刚,薛祯也

    关键词: 煤矸石识别,迁移学习

    来源: 软件导刊 2019年12期

    年度: 2019

    分类: 信息科技,工程科技Ⅰ辑

    专业: 矿业工程,计算机软件及计算机应用

    单位: 西安科技大学机械工程学院

    基金: 陕西省重点研发计划项目(2018GY-160)

    分类号: TD849.5;TP391.41

    页码: 183-186

    总页数: 4

    文件大小: 2466K

    下载量: 413

    相关论文文献

    标签:;  ;  

    基于迁移学习的GoogLenet煤矸石图像识别
    下载Doc文档

    猜你喜欢