用于对产品进行分类的系统和方法技术方案

一种用于对产品进行分类的系统和方法。处理器生成第一分类器的第一实例和第二实例，并且基于输入数据集训练实例。基于输入来训练第二分类器，其中第二分类器被配置成学习与输入相关联的隐空间的表示。在隐空间中生成第一补充数据集，其中第一补充数据集是未标记的数据集。基于第一分类器的第一实例生成用于标记第一补充数据集的第一预测；并且基于第一分类器的第二实例生成用于标记第一补充数据集的第二预测。基于第一预测和第二预测生成第一补充数据集的标记注释。至少基于输入数据集和注释的第一补充数据集来训练第三分类器。

【技术实现步骤摘要】
用于对产品进行分类的系统和方法相关申请的交叉引用本申请要求于2019年10月1日提交的，名称为“针对数据不足的知识蒸馏(KNOWLEDGEDISTILLATIONFORDATAINSUFFICENCECY)”的美国临时申请第62/909,053号的优先权和权益，其全部内容通过引用并入本文。
根据本公开的实施例的一个或多个方面涉及分类器，并且更具体地涉及用于在可用的训练数据少且不平衡的情况下训练机器学习(ML)分类器的系统和方法。
技术介绍
近年来，移动显示行业迅速发展。随着新的类型的显示面板模块和生产方法的部署，仅使用传统机制已经越来越难以检查表面缺陷。期望采用人工智能(AI)来自动预测所制造的显示面板模块是否有瑕疵(例如，被分类为“不良”或“良”)。实际上，期望使用AI来预测其他硬件产品而不仅仅是显示面板模块中的缺陷。能被推广到新的以前从未见过的数据的AI/ML(人工智能/机器学习)模型(被称为“广义ML模型”)将适合此类任务。然而，当训练数据集不足且高度不平衡时，很难生成广义ML模型。由于制造数据集的性质，数据集的不本文档来自技高网...

【技术保护点】
1.一种用于对经由制造过程制造的产品进行分类的方法，所述方法包括：/n由处理器接收输入数据集；/n由所述处理器生成第一分类器的至少第一实例和第二实例；/n由所述处理器基于所述输入数据集训练所述第一分类器的所述第一实例和所述第二实例；/n由所述处理器基于所述输入数据集训练第二分类器，其中，所述第二分类器被配置成学习与所述输入数据集相关联的隐空间的表示；/n由所述处理器在所述隐空间中生成第一补充数据集，其中，所述第一补充数据集是未标记的数据集；/n由所述处理器基于所述第一分类器的所述第一实例生成用于标记所述第一补充数据集的第一预测；/n由所述处理器基于所述第一分类器的所述第二实例生成用于标记所述第...

【技术特征摘要】
20191001 US 62/909,053;20191113 US 16/682,8151.一种用于对经由制造过程制造的产品进行分类的方法，所述方法包括：
由处理器接收输入数据集；
由所述处理器生成第一分类器的至少第一实例和第二实例；
由所述处理器基于所述输入数据集训练所述第一分类器的所述第一实例和所述第二实例；
由所述处理器基于所述输入数据集训练第二分类器，其中，所述第二分类器被配置成学习与所述输入数据集相关联的隐空间的表示；
由所述处理器在所述隐空间中生成第一补充数据集，其中，所述第一补充数据集是未标记的数据集；
由所述处理器基于所述第一分类器的所述第一实例生成用于标记所述第一补充数据集的第一预测；
由所述处理器基于所述第一分类器的所述第二实例生成用于标记所述第一补充数据集的第二预测；
由所述处理器基于所述第一预测和所述第二预测生成所述第一补充数据集的标记注释；以及
由所述处理器至少基于所述输入数据集和注释的所述第一补充数据集来训练第三分类器，其中，所训练的所述第三分类器被配置成接收待分类的产品的数据，以基于所接收的数据而输出对所述产品的预测。


2.根据权利要求1所述的方法，其中，所述第一分类器、所述第二分类器和所述第三分类器中的每一个是神经网络。


3.根据权利要求2所述的方法，其中，所述第二分类器是变分自编码器。


4.根据权利要求1所述的方法，其中，所述隐空间提供所述输入数据集的压缩表示。


5.根据权利要求1所述的方法，其中，所述第一补充数据集的所述生成包括在所述隐空间中生成随机数据元素。


6.根据权利要求1所述的方法，其中，所述标记注释的所述生成包括：
基于所述第一预测和所述第二预测确定多数类；以及
基于所述多数类来标记所述第一补充数据集。


7.根据权利要求1所述的方法，其中，所述标记注释的所述生成包括：
确定所述第一预测的第一概率和所述第二预测的第二概率；
计算所述第一概率和所述第二概率的平均值；以及
基于所计算的所述平均值，识别所述第一补充数据集的类。


8.根据权利要求1所述的方法，其中，所述标记注释的所述生成包括：
基于所述第一预测，确定多数类的第一概率和少数类的第二概率；
基于所述第二预测，确定所述多数类的第三概率和所述少数类的第四概率；
计算所述第一概率和所述第三概率的第一平均值；
计算所述第二概率和所述第四概率的第二平均值；以及
基于所计算的所述第一平均值和所述第二平均值来标记所述第一补充数据集。


9.根据权利要求1所述的方法，进一步包括：
基于对所述隐空间的过采样来生成第二补充数据集；以及
基于所述输入数据集、注释的所述第一补充数据集和所述第二补充数据集来训练所述第三分类器。


10.一种用于对经由制造过程制造的产品进行分类的系统，所述系统包括：
处理器；以及
存储器，其中所述存储器中存储有指令，当所述指令由所述处理器执行时，使所述处理器：
接收输入数据集；
生成第一分类器的至少第一实例和第二实例；
基于所述输入数据集训练所述第一分类器的所述第一实例和所述第二实例；
基于所述输入数据集训练第二分类器，其中，所述第二分类器被配置成学习与所述输入数据集相关联的隐空间的表示；
在所述隐空间中生成第一补充数据集，其中，所述第一补充数据集是未标...

【专利技术属性】
技术研发人员：李章焕，
申请(专利权)人：三星显示有限公司，
类型：发明
国别省市：韩国;KR