一种基于度量学习的小样本缺陷检测方法
公开
摘要
本发明公开了一种基于度量学习的小样本缺陷检测方法，包括步骤（1）：通过G2‑GAN对抗网络对小样本缺陷数据集进行数据增强；步骤（2）：基于卷积核自适应的卷积神经网络SKM‑CNN提取与待检测小样本缺陷数据集相似的缺陷数据集的特征，生成预训练模型；步骤（3）：将预训练模型迁移到基于度量学习的小样本缺陷检测网络S2D2N中，以先目标特征提取后度量学习的方式实现缺陷的快速识别与定位。本发明快速、高效地完成缺陷检测，解决了样本数据缺乏情况下训练出的模型检测精度低、可靠性低、过拟合等问题。
基本信息
专利标题 ：
一种基于度量学习的小样本缺陷检测方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114627383A
申请号 ：
CN202210517000.3
公开（公告）日 ：
2022-06-14
申请日 ：
2022-05-13
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
汪俊单忠德花诗燕李大伟
申请人 ：
南京航空航天大学
申请人地址 ：
江苏省南京市秦淮区御道街29号
代理机构 ：
南京钟山专利代理有限公司
代理人 ：
张力
优先权 ：
CN202210517000.3
主分类号 ：
G06V20/10
IPC分类号 ：
G06V20/10 G06V10/40 G06V10/74 G06V10/774 G06V10/764 G06V10/80 G06V10/82 G06K9/62 G06N3/04 G06N3/08
法律状态
2022-06-14 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
