【技术实现步骤摘要】
本专利技术涉及计算机视觉，具体涉及基于神经网络重复性改善训练的工业产品图像分类方法。
技术介绍
1、图像分类是指将图像分配到给定分类集合中的一个类别标签。传统的图像分类流程通常包括特征提取、特征编码、空间约束和特征分类等步骤。近年来，深度学习技术在图像分类任务中得到广泛应用。通过深度卷积神经网络，可以自动从大量的训练样本中提取图像的特征信息，并实现端到端的图像分类。在imagenet数据集上，深度卷积神经网络甚至取得了超过人类辨识率的性能。在使用训练好的深度卷积神经网络进行推理时，输入图像经过网络处理后，网络会输出分类类别编号和分类概率，其中类别编号对应类别标签，而分类概率表示输出类别相对于其他类别的预测概率。
2、在工业表面产品检测场景中，结合机器视觉和深度学习技术的质检设备正逐渐取代传统的人工目检和机器视觉设备。该设备利用工业相机在特定照明条件下拍摄产品表面的图像，并使用各种产品检测算法来检测图像中的表面缺陷，如划痕、凹坑和污渍等。然而，由于产品检测算法可能存在误检，并且需要对检出的产品进行等级分级，因此对于检出的产品图...
【技术保护点】
1.基于神经网络重复性改善训练的工业产品图像分类方法，其特征在于，包括：
2.根据权利要求1所述的基于神经网络重复性改善训练的工业产品图像分类方法，其特征在于，S1中所述使用图像处理算法计算工业产品图像数据集的变异数据值范围：
3.根据权利要求2所述的基于神经网络重复性改善训练的工业产品图像分类方法，其特征在于，所述模糊变异值范围的具体计算方法为：
4.根据权利要求1所述的基于神经网络重复性改善训练的工业产品图像分类方法，其特征在于，S2中构建孪生网络训练数据集加载器，在每个批次中加载通过随机生成的在线位置变异、角度变异、亮度变异或...
【技术特征摘要】
1.基于神经网络重复性改善训练的工业产品图像分类方法，其特征在于，包括：
2.根据权利要求1所述的基于神经网络重复性改善训练的工业产品图像分类方法，其特征在于，s1中所述使用图像处理算法计算工业产品图像数据集的变异数据值范围：
3.根据权利要求2所述的基于神经网络重复性改善训练的工业产品图像分类方法，其特征在于，所述模糊变异值范围的具体计算方法为：
4.根据权利要求1所述的基于神经网络重复性改善训练的工业产品图像分类方法，其特征在于，s2中构建孪生网络训练数据集加载器，在每个批次中加载通过随机生成的在线位置变异、角度变异、亮度变异或模糊变异之一产生的变异图像样本：...
【专利技术属性】
技术研发人员：喻勇涛，李昂，朱琳琳，孙奥，
申请(专利权)人：沈阳航空航天大学，
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。