利用改進(jìn)AlexNet卷積神經(jīng)網(wǎng)絡(luò)識(shí)別石墨

編號(hào)：FTJS09018

篇名：利用改進(jìn)AlexNet卷積神經(jīng)網(wǎng)絡(luò)識(shí)別石墨

作者：徐小平 余香佳 劉廣鈞 劉龍

關(guān)鍵詞： 石墨 識(shí)別 卷積神經(jīng)網(wǎng)絡(luò) 特征提取 小樣本數(shù)據(jù)集

機(jī)構(gòu)： 西安理工大學(xué)理學(xué)院 西安理工大學(xué)自動(dòng)化與信息工程學(xué)院

摘要： 為促進(jìn)礦業(yè)領(lǐng)域向信息化、智能化的方向轉(zhuǎn)變,實(shí)現(xiàn)對(duì)石墨的智能識(shí)別尤為關(guān)鍵.針對(duì)人工識(shí)別石墨花費(fèi)時(shí)間長(zhǎng)、效率低等問題,提出了一種改進(jìn)的AlexNet網(wǎng)絡(luò)應(yīng)用于石墨的圖像識(shí)別.首先通過隨機(jī)裁剪、依概率水平翻轉(zhuǎn)和歸一化處理等手段對(duì)數(shù)據(jù)集進(jìn)行圖像預(yù)處理達(dá)到數(shù)據(jù)增強(qiáng)的目的;然后采用激活函數(shù)ReLU6壓縮動(dòng)態(tài)范圍,使算法更穩(wěn)健;運(yùn)用批標(biāo)準(zhǔn)化算法進(jìn)行歸一化加快收斂速度;修改卷積核的大小增強(qiáng)泛化能力;在全連接層加上dropout正則化進(jìn)一步防止過擬合.在仿真實(shí)驗(yàn)中,與已有方法進(jìn)行比較,所給方法降低了損失值,提高了石墨的識(shí)別平均準(zhǔn)確率.