• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IFAC PapersOnLine >Using Convolutional Neural Networks to Develop State-of-the-Art Flotation Froth Image Sensors
【24h】

Using Convolutional Neural Networks to Develop State-of-the-Art Flotation Froth Image Sensors

机译：利用卷积神经网络开发最先进的浮选泡沫图像传感器

获取原文
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Convolutional neural networks provide a state-of-the-art approach to the development of froth image sensors. In this study, it is shown that a pretrained neural network architecture, namely VGG16, can be used to obtain significant improvements in froth image sensors. However, training of these networks is computationally demanding and require large data sets that may not be readily available. These problems can be circumvented by making use of transfer learning and partial retraining of the network. Likewise, minor modification of the network architecture can also expedite the development of the models. This is demonstrated in a case study involving an image data set from an industrial platinum group metals plant.
机译：卷积神经网络提供了一种最先进的泡沫图像传感器的发展方法。在这项研究中，示出了预先训练的神经网络架构，即VGG16，可用于获得泡沫图像传感器的显着改进。然而，这些网络的培训是计算要求的，并且需要可能不容易获得的大数据集。通过利用传输学习和网络部分再培训，可以避免这些问题。同样，网络架构的次要修改还可以加快模型的开发。在涉及从工业铂族群金属厂的图像数据集的案例研究证明了这一点。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号