[发明专利]一种用于手机屏幕缺陷检测的深度残差网络构造方法

摘要

一种用于手机屏幕缺陷检测的深度残差网络构造方法,包括：1)分别采集包含瑕疵图片和正常图片，进行标记(1表示包含瑕疵图片，0表示正常图片)，通过训练数据训练自定义的深度残差网络直到收敛并且有较高准确率；2)通过对深度残差网络的每个残差模块使用一定的概率进行随机移除的方法来生成浅层网络模型，并重复进行此操作，生成多个不同深度的网络模型；3)将高分辨率相机拍摄的手机屏幕图片进行不同比例的缩放，形成图片金字塔，对于每个尺度的图片，将图片分割成小块并使得图片块含有一定的重合面积，将所有小块图片作为一个组一起送入不同深度的网络模型中；4)选取每个网络模型输出的特征图作为缺陷的响应图，采用阈值分割的方法获得手机屏幕缺陷区域位置，最后将不同深度的网络模型的检测结果叠加，从而获得最终检测结果。

主权项

1.一种用于手机屏幕缺陷检测的深度残差网络构造方法，包括如下步骤：/n1)分别采集包含瑕疵图片和正常图片，进行标记，1表示包含瑕疵图片，0表示正常图片，通过训练数据训练自定义的深度残差网络直到收敛；/n2)通过对深度残差网络的每个残差模块使用一定的概率进行随机移除的方法来生成浅层网络模型，并重复进行此操作，生成多个不同深度的网络模型；/n3)采集手机屏幕图片数据，生成图片金字塔，分割成图片块且保证每个图片块之间具有一定的重叠面积，用于测试阶段数据生成，送入到步骤2)获得的多个不同深度的网络模型中进行运算；/n4)取每个网络模型的特征图作为响应图，采用阈值分割的方法获得缺陷位置，最后将多个不同深度网络模型的检测结果叠加并圈出，通过叠加的方式能够检测出各种不同类型的手机屏幕缺陷；/n所述步骤2)通过移除残差模块生成浅层网络模型具体是：先通过随机的方式决定是否移除深度残差网络中的每个残差单元，反复多次执行此操作，并生成一系列不同的浅层网络模型；然后将这些浅层网络模型依次在测试集上测试准确率，选取准确率最高的前若干个网络模型并予以保留，将其余网络模型丢弃；利用上述方法生成浅层网络模型集合，这些网络模型各不相同，对各种不同类型缺陷具有不同的敏感度，具有相互补充的作用。/n