System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
所属的技术人员能够理解,本申请的各个方面可以实现为系统、方法或程序产品。因此,本申请的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。与上述方法实施例基于同一专利技术构思,本申请实施例中还提供了一种电子设备。在一种实施例中,该电子设备可以是服务器,如图2所示的服务器。在该实施例中,电子设备的结构可以如图14所示,包括存储器1401,通讯模块1403以及一个或多个处理器1402。存储器1401,用于存储处理器1402执行的计算机程序。存储器1401可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统,以及运行即时通讯功能所需的程序等;存储数据区可存储各种即时通讯信息和操作指令集等。存储器1401可以是易失性存储器(volatile memory),例如随机存取存储器(random-access memory,ram);存储器1401也可以是非易失性存储器(non-volatilememory),例如只读存储器,快闪存储器(flash memory),硬盘(hard disk drive,hdd)或固态硬盘(solid-state drive,ssd);或者存储器1401是能够用于携带或存储具有指令或数据结构形式的期望的计算机程序并能够由计算机存取的任何其他介质,但不限于此。存储器1401可以是上述存储器的组合。处理器1402,可以包括一个或多个中央处理单元(central processing unit,cpu)或者为
...【技术保护点】
1.一种模型的训练方法,其特征在于,所述方法包括:
2.如权利要求1所述的方法,其特征在于,所述第一训练数据集还包含从各缺陷图像集合中抽取的各历史缺陷图像;
3.如权利要求2所述的方法,其特征在于,所述基于所述平均值,以及所述各历史缺陷类别各自对应的历史缺陷图像的数量,分别对所述各历史缺陷类别各自的中间权重参数进行更新,获得所述各历史缺陷类别各自的目标权重参数,包括:
4.如权利要求3所述的方法,其特征在于,所述基于所述候选权重参数、所述一个历史缺陷类别对应的历史缺陷图像的数量,以及所述一个历史缺陷类别的历史权重参数,获得所述一个历史缺陷类别的目标权重参数,包括:
5.如权利要求4所述的方法,其特征在于,所述基于所述历史权重参数与样本重叠系数的乘积,与所述候选权重参数的和,获得所述一个历史缺陷类别的目标权重参数,包括:
6.如权利要求1所述的方法,其特征在于,所述第一训练数据集还包含从各缺陷图像集合中抽取的各历史缺陷图像;则通过以下方式获得所述各历史缺陷图像:
7.如权利要求6所述的方法,其特征在于,所述基于
8.如权利要求1~6任一项所述的方法,其特征在于,所述第一训练数据集还包含从各缺陷图像集合中抽取的各历史缺陷图像;
9.如权利要求1~6任一项所述的方法,其特征在于,所述基于各中间权重参数的平均值,对所述各中间权重参数进行更新,获得所述多个第二缺陷类别各自的目标权重参数,包括:
10.一种缺陷检测方法,其特征在于,所述方法包括:
11.一种模型的训练装置,其特征在于,包括:
12.一种缺陷检测装置,其特征在于,包括:
13.一种电子设备,其特征在于,其包括处理器和存储器,其中,所述存储器存储有计算机程序,当所述计算机程序被所述处理器执行时,使得所述处理器执行权利要求1~10中任一所述方法的步骤。
14.一种计算机可读存储介质,其特征在于,其包括计算机程序,当所述计算机程序在电子设备上运行时,所述计算机程序用于使所述电子设备执行权利要求1~10中任一所述方法的步骤。
15.一种计算机程序产品,其特征在于,包括计算机程序,所述计算机程序存储在计算机可读存储介质中;当电子设备的处理器从所述计算机可读存储介质读取所述计算机程序时,所述处理器执行所述计算机程序,使得所述电子设备执行权利要求1~10中任一所述方法的步骤。
...【技术特征摘要】
1.一种模型的训练方法,其特征在于,所述方法包括:
2.如权利要求1所述的方法,其特征在于,所述第一训练数据集还包含从各缺陷图像集合中抽取的各历史缺陷图像;
3.如权利要求2所述的方法,其特征在于,所述基于所述平均值,以及所述各历史缺陷类别各自对应的历史缺陷图像的数量,分别对所述各历史缺陷类别各自的中间权重参数进行更新,获得所述各历史缺陷类别各自的目标权重参数,包括:
4.如权利要求3所述的方法,其特征在于,所述基于所述候选权重参数、所述一个历史缺陷类别对应的历史缺陷图像的数量,以及所述一个历史缺陷类别的历史权重参数,获得所述一个历史缺陷类别的目标权重参数,包括:
5.如权利要求4所述的方法,其特征在于,所述基于所述历史权重参数与样本重叠系数的乘积,与所述候选权重参数的和,获得所述一个历史缺陷类别的目标权重参数,包括:
6.如权利要求1所述的方法,其特征在于,所述第一训练数据集还包含从各缺陷图像集合中抽取的各历史缺陷图像;则通过以下方式获得所述各历史缺陷图像:
7.如权利要求6所述的方法,其特征在于,所述基于所述至少一个历史缺陷类别,各自对应的样本缺陷图像的数量,对所述至少一个历史缺陷类别各自对应的候选缺陷图像,进行图像抽取,获得所述各历史缺陷图...
【专利技术属性】
技术研发人员:曾怡,詹佳伟,刘俊,汪铖杰,
申请(专利权)人:重庆腾讯信息技术有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。