【技术实现步骤摘要】
本申请属于机器视觉，尤其涉及一种应用于工业场景的高精度图像分类方法、装置、存储介质及电子设备。
技术介绍
1、随着工业自动化和智能制造的迅猛发展，对于产品或零件的自动图像分类和识别变得尤为重要。这些分类和识别技术被广泛应用于质量控制、自动化生产线等基于视觉传感器的缺陷检测等环节。在许多工业应用中，系统通常需要对收到的图像进行实时分类判断良品，但是随着产品种类的增多和复杂度的提高，实现高精度的分类方法变得越来越困难。
2、传统的工业图像分类方法主要基于手工设计的特征和简单的机器学习模型，如支持向量机或决策树等。但这些方法往往受限于手工设计特征的表达能力，难以应对复杂和多变的工业图像分类场景，分类精度较低。
技术实现思路
1、本申请旨在至少解决现有技术中存在的技术问题之一。为此，本申请提出一种应用于工业场景的高精度图像分类方法、装置、存储介质及电子设备，能适用于各种工业图像分类场景，分类精度高。
2、第一方面，本申请提供了一种应用于工业场景的高精度图像分类方法，包括：<...
【技术保护点】
1.一种应用于工业场景的高精度图像分类方法，其特征在于，包括：
2.根据权利要求1所述的应用于工业场景的高精度图像分类方法，其特征在于，所述第一特征提取网络包括依次串联的第一卷积层、第一深度可分离卷积层和第二卷积层，所述第一卷积层包括多个并联的卷积，所述第一特征提取网络的重参数化步骤包括：
3.根据权利要求1所述的应用于工业场景的高精度图像分类方法，其特征在于，所述第二特征提取网络包括至少一个基本模块，所述基本模块包括串联的第二深度可分离卷积层和所述变换器编码器，所述第二特征提取网络的重参数化步骤包括：
4.根据权利要求1所述的应用...
【技术特征摘要】
1.一种应用于工业场景的高精度图像分类方法，其特征在于，包括：
2.根据权利要求1所述的应用于工业场景的高精度图像分类方法，其特征在于，所述第一特征提取网络包括依次串联的第一卷积层、第一深度可分离卷积层和第二卷积层，所述第一卷积层包括多个并联的卷积，所述第一特征提取网络的重参数化步骤包括：
3.根据权利要求1所述的应用于工业场景的高精度图像分类方法，其特征在于，所述第二特征提取网络包括至少一个基本模块，所述基本模块包括串联的第二深度可分离卷积层和所述变换器编码器，所述第二特征提取网络的重参数化步骤包括：
4.根据权利要求1所述的应用于工业场景的高精度图像分类方法，其特征在于，所述第一特征提取网络使用高斯误差线性单元激活函数，所述第二特征提取网络使用线性整流激活函数。
5.根据权利要求1所述的应用于工业场景的高精度图像分类方法，其特征在于，所述图像分类模型还包括分类网络，所述根据工业图像样...
【专利技术属性】
技术研发人员：傅应锴，高鹏程，唐永亮，
申请(专利权)人：深圳市凌云视迅科技有限责任公司，
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。