科研之友
微信
新浪微博
Facebook
分享链接
摘要
近年来，应用在图像分类问题上的深度学习的表现令人激动。但是传统的深度学习图像分类算法（比如AlexNet,GooLeNet,ResNet等）对数据过于依赖，一个表现好的图像分类算法，不但需要大量的数据集，而且需要训练很长时间。针对上述问题，论文结合图像分割网络U-net和图像分类网络ResNet来实现少量数据高准确率的图像缺陷检测。因为这个方法同时用到U-net图像分割网络和ResNet图像分类网络，所以称它为“UR”法。论文首先简要地介绍了深度学习的相关理论和论文使用的两个深度学习模型：U-net和ResNet。随后阐述了论文数据集的获取和处理，接下来详细地论述了论文用于图像分类的“UR”法的原理。最后根据实验结果得出结论，“UR”法在优化的速度和测试集准确率上都比普通的ResNet网络表现要好。
- 单位
