关键词：ResNet;石油焦;冶金焦;图像分类
摘 要：文章针对石油焦和冶金焦显微图像分类准确率低和小样本的问题，提出基于ResNet的石油焦与冶金焦图像分类模型，通过使用ImageNet大规模数据集上预先训练过的模型，获取更好的特征表示，实验对比了ResNet不同层的分类性能，且对比了训练模型前后的分类效果，确定了ResNet-50在处理该分类任务时的优势。将ResNet-50与其他深度学习模型进行对比分析，研究结果表明：ResNet-50结合预训练模型，能够准确区分2种焦炭类型，且鲁棒性较好。
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