基于Fisher准则的深层卷积神经网络织物疵点检测

作者：史甜甜^*

来源：计算机系统应用, 2019, 28(03): 140-145.

DOI：10.15888/j.cnki.csa.006791

• 深层卷积神经网络
• 深度可分离卷积
• Fisher准则约束
• 梯度算法
• 织物疵点分类

针对当前的算法无法满足具有周期性图案织物疵点分类检测,鉴于此,提出基于Fisher准则的深层卷积神经网络织物疵点检测算法.首先,利用深度可分离卷积设计小型的深层卷积神经网络(DCNN);其次,对DCNN网络的Softmax增加Fisher准则约束,通过梯度算法更新整个网络参数,得到深层卷积神经网络(FDCNN);最后,在TILDA和彩色格子数据集上分类率分别为98.14%和98.55%.实验结果表明:FDCNN模型既可以减小网络参数和降低运行时间,又可以提高织物疵点分类率.

• 单位
  浙江理工大学