FDAT：基于AlexNet迁移学习的纺织物疵点分类方法

作者：冯一凡; 师昕; 赵雪青

来源：计算机与数字工程, 2023, 51(10): 2413-2417.

• 图像识别
• 分类
• 疵点检测
• 迁移学习
• AlexNet

针对现有的纺织产品疵点分类方法数据集小，网络训练耗时较长以及准确率较低等问题，论文提出了一种使用迁移学习基于ALexNet模型的纺织产品疵点分类算法（Fabric Defect Classification Model based on AlexNet using Transfer Learning,FDAT），首先，针对纺织产品疵点数据集数据量少的问题，通过基于大型数据集训练得到模型训练参数权重，利用迁移学习方法构建基于AlexNet的纺织产品疵点分类方法；其次，对输入纺织产品疵点数据进行特征提取，使用softmax分类器针对特征提取结果进行分类；最后，在TILDA纺织产品疵点数据集上进行了计算机模拟实验，实验结果表明，提出的FDAT模型对比传统小波变换算法，人工神经网络，DenseNet,ResNet以及Xception，可以有效地解决小样本分类问题，提高算法的准确率的同时，缩短网络分类耗时。

• 单位
  西安工程大学