文献

J-GLOBAL ID：202002274374354371   整理番号：20A2277396

アルミニウムプロファイル表面欠陥分類と認識のための勾配画像に基づく2ストリーム畳込みニューラルネットワーク【JST・京大機械翻訳】

Two-Stream Convolutional Neural Network Based on Gradient Image for Aluminum Profile Surface Defects Classification and Recognition

著者 (2件)： Duan Chunmei (Institute of Light Alloy, Central South University, Changsha, China) ,  Zhang Taochuan (College of Mechanical and Electrical Engineering, Foshan Polytechnic, Foshan, China)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 172152-172165  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,勾配画像に基づく新しい2ストリーム畳込みニューラルネットワークを,初めてアルミニウムプロファイル欠陥を効果的に分類し,同定するために実行した。2ストリームネットワークに基づく最近の特徴融合法は,欠陥分類と認識のための有望な性能を証明した。本論文では,深層学習における過剰適合現象を防止するための多数のサンプルを得るために,データ増強法を使用した。画像勾配をSobel演算子で計算し,同じ次元の下でゼロと1の間のデータを変換するために正規化した。ReLU6層上の特徴融合を実現するためのウェーブレット変換融合戦略を採用した2ストリーム畳込みニューラルネットワークモデルを設計し,それは,2つのサブネットワークを通して特徴を抽出するための入力として元のRGB画像に対応するアルミニウムプロファイルと勾配画像の元のRGB画像を用いて,分類と認識のためにSVM分類装置に入力する。Bayes最適化関数を用いて,最良の性能構成を選択するためのハイパーパラメータを最適化するために交差検証分類誤差を計算した。異なる融合層に関する異なる特徴融合戦略を有する単一ストリームと2ストリームネットワークの精度と推定一般化分類誤差を含む一連の実験データを実行し,現在のモデルが良好な収束,精度,安定性,および一般化を有することを示した。これに基づき,本論文では,他の欠陥の将来の研究のための一連の革新的方法を提案した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  *アルミニウム ,  正規化 ,  ウェーブレット変換
準シソーラス用語： ハイパーパラメータ ,  特徴融合 ,  *欠陥分類 ,  深層学習 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： アルミニウム ,  プロファイル ,  表面欠陥 ,  分類 ,  勾配 ,  ストリーム ,  畳込みニューラルネットワーク