摘要：卷積神經(jīng)網(wǎng)絡(luò)(CNN)具有權(quán)值數(shù)量少,訓(xùn)練速度快等優(yōu)點,在圖像識別、機器視覺等領(lǐng)域得到廣泛應(yīng)用。本文提出了一種卷積神經(jīng)網(wǎng)絡(luò)的自適應(yīng)加權(quán)池化算法,算法通過生成合并通道,并在學(xué)習(xí)掩模的引導(dǎo)下匯集特征,優(yōu)化了子采樣模型的特征提取,有效改善了網(wǎng)絡(luò)的識別準確性和快速性。利用該算法對磁片表面缺陷進行檢測實驗,實驗結(jié)果表明,本文提出的池化模型使卷積神經(jīng)網(wǎng)絡(luò)對特征的提取更加精確,同時提高了收斂速度和魯棒性,并且可以應(yīng)用于各種深度神經(jīng)網(wǎng)絡(luò)體系結(jié)構(gòu)中。