论文部分内容阅读
近年来,深度卷积神经网络作为深度学习模型之一被广泛应用于图像识别领域,不仅提高了图像识别的准确率,而且可以逐层自动地进行特征学习和提取,避免了传统识别算法中复杂的特征提取过程.针对异型纤维的分类问题,本文研究并设计了基于深度卷积神经网络的异型纤维识别方法.通过对5种异型纤维的分类实验表明,该方法平均识别率可达94.4%,较SVM分类器在识别精度上取得了显著的提高.