本发明公开了一种半监督深度学习缺陷检测方法,将训练样本数据按有无标签分类;初始化学生卷积神经网络Fs(m)的权重参数m;初始化教师卷积神经网络参数Ft(m)=Copy(Fs(m)),教师卷积神经网络和参数均从学生卷积神经网络复制;获得了学生卷积神经网络Fs(m)和教师卷积神经网络Ft(m)以及始化权重参数后,对学生卷积神经网络和教师卷积神经网络进行训练;获得经过训练的网络可用学生卷积神经网络进行缺陷检测工作,将需要被检测的数据输入学生卷积神经网络,学生卷积神经网络预测其有无缺陷或者属于哪一类缺陷。本发明基于半监督深度学习架构Fixmatch和平均教师模型的缺陷检测方法,需要少量标签数据即可实现高精度的工业产品表面缺陷自动检测。
声明:
“半监督深度学习缺陷检测方法” 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)