-
公开(公告)号：CN116597191A
公开(公告)日：2023-08-15
申请号：CN202310235437.2
申请日：2023-03-13
Applicant: 哈尔滨工业大学(深圳)
IPC: G06V10/764 , G06V10/774 , G06V10/40 , G06V10/24
Abstract: 本发明涉及深度学习的视觉检测技术领域，特别涉及一种基于类别激活图的弱监督缺陷检测方法。其包括以下步骤：S1.输入带有类别标签的图像样本，提取图像样本中的特征，经过卷积神经网络中特征的响应后，生成类别激活图；S2.通过空间关联模块计算相似性矩阵以显示浅层特征中的空间关联性；S3.通过引导裁剪算法提取主要的局部缺陷特征，生成缺陷裁剪样本；S4.通过目标忽视算法提取背景特征，生成缺陷忽视样本；S5.多次迭代进行至最终损失函数符合收敛条件，得到最终模型。本方法仅使用少量图像级标签训练的情况下实现对缺陷的高精度识别和稳定有效的定位，能进一步帮助模型在小缺陷、不显著缺陷和复杂背景的样本中提升缺陷检测任务的精度。
Search Results
1
records
(took 0.025 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
