基于深度神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)集的關(guān)聯(lián)處理方法研究

打開文本圖片集

摘 要：基于深度學(xué)習(xí)方法對數(shù)據(jù)集進行特征提取。傳統(tǒng)的殘差神經(jīng)網(wǎng)絡(luò)有效解決了網(wǎng)絡(luò)層數(shù)過深帶來的梯度彌散問題，但是低網(wǎng)絡(luò)層高分辨率對圖像語義特征提取不足，高網(wǎng)絡(luò)層低分辨率對圖像細節(jié)特征提取不足，課題研究提出了一種多尺度特征融合的方式改進網(wǎng)絡(luò)，以提升特征提取的質(zhì)量。通過遷移學(xué)習(xí)的方式在PCB圖像數(shù)據(jù)集上訓(xùn)練該網(wǎng)絡(luò)并進行驗證，相比于其他神經(jīng)網(wǎng)絡(luò)得到明顯提升。（剩余2580字）