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