关键词：深度学习;残差网络;权值;迁移学习;微观组织;智能识别
摘 要：钢铁微观组织分析是根据钢铁材料的显微组织特点，对材料的性能进行分析的过程。目前微观组织识别往往依靠专业人员判断，需要大量人力物力，效率低、容易受到主观因素的影响而造成结果的不确定。研究了深度神经网络中基于残差结构的微观组织智能分析问题，通过对残差网络模型的改进，提出了基于迁移学习的改进残差网络模型，在ImageNet数据集上进行预训练，并将权值迁移到改进残差网络模型中，实现小样本数据集下的深度学习。该卷积神经网络模型在16种钢铁材料微观组织测试集上进行了测试，结果表明，该方法的准确率达到95.36%,较基础网络结构识别率提高了6.9个百分点。与其他网络结构模型相比，该模型不仅识别率高而且泛化能力强。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取