龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：吴泽蔚
摘要：本发明公开了一种非标准拍摄场景下域自适应小样本缺陷分类的模型训练方法、系统及应用，属于卷积神经网络领域，所述方法包括：建立大型装备制造业表面缺陷小样本数据集，并分为支撑集和查询集；获取基础模型及缺陷类元数据集；通过迭代学习获得图像嵌入提取器FQ；得到类别嵌入，通过机器学习调整类别嵌入；将图像输入模型，自动裁切模块通过训练获得裁切图片，将图片裁切成多个图像块；图像块通过FQ得到图像块嵌入，推荐模块选择最优的图像块为图像嵌入；代表图像嵌入与类别嵌入进行比较确定分类；本发明采用模型领域自适应结合图像嵌入的方式，对于大型装备制造业小样本的表面缺陷能够更好地学习到相关的特征信息，提升缺陷检测的准确度。
主权项：1.一种非标准拍摄场景下域自适应小样本缺陷分类的模型训练方法，其特征在于，包括：1建立大型装备制造业钢表面缺陷小样本数据集，将该数据集分为支撑集与查询集，所述的数据集包括三大类的缺陷图片，标记此类图片的缺陷区域，标注缺陷图片对应的标签数据。2获取基础模型及缺陷类元数据集，将基础模型完整读入缓存，元数据集涵盖带钢表面缺陷数据集和铝表面缺陷数据集，包括元数据集对应的标签数据。3先通过对元数据集的训练得到一个图像嵌入提取器FM，该提取器通过映射将图像变成4096维图像嵌入，再通过支撑集与查询集的训练得到更适合小样本集的图像嵌入提取器FQ。4将支撑集数据输入模型，通过FQ得到图像嵌入，类别嵌入再调整模块先进行分类预测，再将预测分类与真实分类比较并计算损失，通过反向传播算法更新类别嵌入。5将支撑集集的图像输入模型，对自动裁切模块训练，输入查询集图片，裁切成多张缺陷块图像。6将缺陷块图片输入图像嵌入提取器FQ中，输出多个图像块嵌入，通过图像块推荐模块，将获得的最具代表性图像块嵌入作为图像嵌入。7将上述的图像嵌入与上述的类别嵌入进行余弦相似度比较，相似度最高的分类即为缺陷分类的结果。
全文数据：
权利要求：
百度查询： 吴泽蔚 非标准拍摄场景下域自适应小样本缺陷分类的模型训练方法、系统及应用
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号