[发明专利]基于两阶段迁移学习的小样本工业产品缺陷分类方法有效
| 申请号： | 202010803896.2 | 申请日： | 2020-08-12 |
| 公开（公告）号： | CN111950630B | 公开（公告）日： | 2022-08-02 |
| 发明（设计）人： | 刘家欢;刁思勉;张云;李娜;刘文锋;陈艳平;李锡康 | 申请（专利权）人： | 深圳市烨嘉为技术有限公司 |
| 主分类号： | G06V10/764 | 分类号： | G06V10/764;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 北京惟盛达知识产权代理事务所(普通合伙) 11855 | 代理人： | 杨青 |
| 地址： | 518000 广东省深圳市龙岗*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于两阶段迁移学习的小样本工业产品缺陷分类方法，包括如下步骤，S1、采集正、负样本构成数据集；S21、用图像数据增强手段将数据集中负样本的数量扩充2‑3倍，随机挑选数量与扩充后的负样本的数量相当的正样本，组成数量平衡的数据子集；S22、将剩余的正样本组成另一个数据集子集；S31、选取CNN检测模型，进行第一阶段的训练；S32、第二阶段的训练是在包含剩余正样本和扩充后的负样本的数据集子集上进行；S4、将S32步模型训练收敛后，在测试集上测试模型的分类性能，若满足要求，即可上线测试，否则重复划分数据子集和模型训练过程，重复S21至S32，直至满足要求。本发明具有以下有益效果：一是具有性能更好的缺陷图像高维特征；二是提高了模型对工业产品图像的表征能力；三是所述的模型训练策略具有良好的通用性。 | ||
| 搜索关键词： | 基于 阶段 迁移 学习 样本 工业产品 缺陷 分类 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于深圳市烨嘉为技术有限公司，未经深圳市烨嘉为技术有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202010803896.2/，转载请声明来源钻瓜专利网。
- 上一篇：一种高效高速分析型逆流色谱仪
- 下一篇：一种预制薄板浇筑制造用箱模
