基于CBAM-ResNet50的金刚石颗粒净度检测方法
打开文本图片集
摘要 针对金刚石颗粒净度传统检测方法效率低、准确率差的问题，提出了一种基于迁移学习和改进Res-Net50的金刚石颗粒净度检测算法CBAM-ResNet50。该算法通过在ResNet50主干网络的每层中增加CBAM，以提升模型特征的提取能力；且在主干网络的Layer3和Layer4中融入FPN结构，对提取的特征进行部分特征聚合，来解决采样过程中小目标特征易丢失的问题；同时引入迁移学习方法，用交叉熵损失函数优化模型的初始参数，提升模型的泛化能力。（剩余17502字）