基于自组织增量-图卷积神经网络的钢材微观组织自动分类方法

作者：李维刚; 甘平; 谌竟成; 谢璐

来源：2020-09-21, 中国, CN202010995589.9.

本发明公开了一种融合自组织增量学习神经网络和图卷积神经网络的钢材微观组织自动分类方法。一、确定要识别的钢材微观组织种类,并搜集由扫描电子显微镜获得的大量钢材微观组织图片,以形成数据集,并为数据集中的每张图片确定一个类别标签；二、采用迁移学习获取图片样本数据的特征向量集合；三、通过引入连接权重策略的自组织增量学习神经网络(WSOINN)对特征数据进行学习,获得其拓扑图结构,并引入胜利次数对节点进行少量人工标注；四、搭建多层图卷积神经网络(GCN)挖掘图中节点的潜在联系,利用Dropout手段提高网络的泛化能力,最后对剩余节点自动标注进而获得图片的分类结果。本专利所述的方法在图片标注量仅为传统深度学习网络模型的12％时,分类准确度就可达到91％以上,比VGG、MLP、SOINN等网络模型的精度高。

• 单位
  武汉科技大学