改进关系网络的小样本带钢表面缺陷分类方法

摘要

在带钢表面缺陷分类方法的研究中,提出了一种基于改进关系网络的小样本带钢表面缺陷分类方法。该方法借鉴网中网模型可以增强网络对局部感知野的特征辨识能力和非线性表达能力的特点,将该模型与关系网络模型相结合,并采用一种新的自正则化、非单调函数作为激活函数及修正后的平均绝对误差作为损失函数,可以允许更多的信息流入神经网络,使模型学习到更精细的特征表达能力,从而具有更好的准确性和泛化能力。将新模型在NEU-DET数据集上进行实验,结果表明,在5-way 1-shot任务中获得的缺陷分类准确率为79.95%,比原模型提高7.22%;在5-way 5-shot任务中获得的缺陷分类准确率为92.04%,比原模型提高2.15%。