本发明公开了一种基于蒸馏学习机制的瑕疵检测装置、方法、存储介质,本发明根据设计构建老师模型和学生模型,其结构上保持一致,但老师模型的网络层复杂度大于学生模型,然后通过在中间层添加特征信息嫁接模块加快学生模型的学习进度和检测精度,最后使用损失函数计算损失值优化模型参数。所述的特征信息嫁接模块通过计算出老师模型与学生模型之间特征信息差异值,选择是否将计算出的融合特征信息嫁接到学生模型中,从而提高学生模型对老师模型的模仿能力。本发明通过利用蒸馏学习机制搭建出老师模型和学生模型,然后在双支网络中间层中引入了特征信息嫁接模块,优化学生模型的表达能力,加速学生模型的学习过程,提高学生模型的检测精度。
声明:
“基于蒸馏学习机制的瑕疵检测装置、方法、存储介质” 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)