瓦斯灰显微图像的ResNet50网络多目标分类

作者：陈思敏; 王培珍; 余晨

来源：宜宾学院学报, 2019, 19(12): 54-57.

DOI：10.19504/j.cnki.issn1671-5365.20190617.001

• 瓦斯灰显微图像
• 计算机视觉
• 残差网络
• 卷积神经网络

由于瓦斯灰显微图像具有类别多样、背景复杂、边缘模糊等特点,仅用传统的计算机视觉分类方法对目标图片分类识别率较差.针对此问题,提出一种基于深度卷积残差网络(Deep Convolutional Residual Network)分类方法.在Caffe框架下,以ResNet50为网络模型,设计一种瓦斯灰显微图像多目标自动分类的模型,实验结果表明,ResNet50模型识别图像的正确率要高于其余网络,达到98.75%,说明该模型具有较强的特征提取能力.

• 单位
  安徽工业大学