本发明提出一种基于深度领域适应的
锂电池表面缺陷检测方法,该方法在分类器中设计了一种基于最大均值差异MMD和KL散度等统计量的适应层,并在特征提取后设计了一个领域判别器用于对抗判别提取的特征来自于哪一个域。一方面两种方式互补机制能够使提取的两域公共特征更加充分,另一方面,基于统计量的适应层设计能够使目标域数据参与到分类器的训练中,从而使模型在目标域上有更好的泛化能力。模型在特征提取网络中设计了一个简单有效的多尺度特征融合策略,能够对细小缺陷有很好的识别效果。本发明拥有高效的检测效果而又缓解了深度学习对标签数据的依赖性,训练好的模型对目标域数据有更好的泛化能力。
声明:
“基于深度领域适应的锂电池表面缺陷检测方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)