摘要:圖像相似度學(xué)習是指通過網(wǎng)絡(luò)學(xué)習圖像內(nèi)容信息來預(yù)測兩張圖像是否匹配。迄今為止,基于卷積神經(jīng)網(wǎng)絡(luò)改進的變體網(wǎng)絡(luò)有效提升了學(xué)習效率,但由于提取特征比較單一無法準確描述圖像特征,導(dǎo)致相似度學(xué)習效率較低。為此,本文提出一種基于卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的雙分支網(wǎng)絡(luò)。該網(wǎng)絡(luò)為左右分支網(wǎng)絡(luò)結(jié)構(gòu)相同,但權(quán)值不共享,網(wǎng)絡(luò)輸入為雙分支輸入。首先由左右分支網(wǎng)絡(luò)分別提取單通道圖像特征;然后通過特征融合層進行特征融合;最后將融合特征直接輸入全連接層進行相似度學(xué)習,既改善了提取的圖像特征多樣性,又加快了模型訓(xùn)練速度。在實驗室工業(yè)相機拍攝的芯片卡槽圖像數(shù)據(jù)集上進行對比試驗,結(jié)果表明,相比其他模型,本文提出的模型具有較強的網(wǎng)絡(luò)學(xué)習能力和模型泛化能力,準確率高達97.96%。
注:因版權(quán)方要求,不能公開全文,如需全文,請咨詢雜志社