本發明公開了一種半監督深度學習缺陷檢測方法,將訓練樣本數據按有無標簽分類;初始化學生卷積神經網絡Fs(m)的權重參數m;初始化教師卷積神經網絡參數Ft(m)=Copy(Fs(m)),教師卷積神經網絡和參數均從學生卷積神經網絡復制;獲得了學生卷積神經網絡Fs(m)和教師卷積神經網絡Ft(m)以及始化權重參數后,對學生卷積神經網絡和教師卷積神經網絡進行訓練;獲得經過訓練的網絡可用學生卷積神經網絡進行缺陷檢測工作,將需要被檢測的數據輸入學生卷積神經網絡,學生卷積神經網絡預測其有無缺陷或者屬于哪一類缺陷。本發明基于半監督深度學習架構Fixmatch和平均教師模型的缺陷檢測方法,需要少量標簽數據即可實現高精度的工業產品表面缺陷自動檢測。
聲明:
“半監督深度學習缺陷檢測方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)