一种全卷积神经网络及相应的细观结构识别方法,通过在网络中综合采用最大池化索引连接和通道连接的方法,两方法串行处理,充分利用了编码器浅层低级边缘信息和解码器深层语义信息,取得了更好的效果。在放大图像分辨率的过程中,仅采用了上采样的方式,降低了对于显存的消耗,也减少了网络训练的时间。通过交叉对称采用批正则化,尽可能保证卷积之后特征图的原分布状态,进一步增强了卷积神经网络的表达能力,实现对CMCs预制体XCT切片的语义分割,提高了细观结构识别的准确率。采用相同的全卷积神经网络对不同陶瓷基
复合材料复杂预制体的编织结构进行细观结构识别,摒弃了不同编织结构采用不同的全卷积神经网络权值文件,简化了识别操作。
声明:
“全卷积神经网络及相应的细观结构识别方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)