原文传递
基于超小样本训练高效质检模型的方法及系统
| 专利名称： | 基于超小样本训练高效质检模型的方法及系统 |
| 摘要： | 本发明提供了一种基于超小样本训练高效质检模型的方法，包括：确定采集种类，采集小样品，小样品模拟扩充；随机抽样打乱排序；Squeezenet Pro训练质检模型；测试模型结果；发布完成模型。本发明保证在样本数非常少的情况下，达到几十万样本数训练的深度学习模型的效果，从而更好的应用于工业质量检测中。 |
| 专利类型： | 发明专利 |
| 国家地区组织代码： | 广东;44 |
| 申请人： | 广州市心鉴智控科技有限公司 |
| 发明人： | 罗晓忠;毛子靖 |
| 专利状态： | 有效 |
| 申请号： | CN201810929603.8 |
| 公开号： | CN109142374A |
| 代理机构： | 天津企兴智财知识产权代理有限公司 12226 |
| 代理人： | 李成运 |
| 分类号： | G01N21/88(2006.01)I;G;G01;G01N;G01N21 |
| 申请人地址： | 510000 广东省广州市高新技术产业开发区科学城科学大道162号创意大厦B3栋第4层404单元 |
| 主权项： | 1.一种基于超小样本训练高效质检模型的方法，其特征在于，包括：步骤一、确定采集种类，包括要检测的瑕疵品种类和正常品种类，按照瑕疵大小占总样品大小的百分比分为N个等级，采集小样品；步骤二、各种类、各等级的小样品模拟扩充；步骤三、随机抽样组成训练集、验证集合、测试集；对每个集合打乱排序；步骤四、Squeezenet Pro训练质检模型；步骤五、测试模型结果；根据精度和测试次数控制下一步跳转；步骤六、发布完成模型，根据步骤五得到的每一瑕疵级别的测试结果给出每一级瑕疵的识别精度，并且保存冻结每一级Squeezenet Pro的权重，发布对应的Squeezenet Pro模型。 |
| 所属类别： | 发明专利 |
检索历史
应用推荐
