一种对屏幕缺陷进行少样本分类的方法技术

本发明专利技术公开了一种对屏幕缺陷进行少样本分类的方法，由带有多个transformer块的特征提取器、类原型生成器(CPG)和基于上下文的分类器(CBC)组成，如摘要附图所示，首先由所述特征提取器将图像作为输入，输出为由特征提取器提取的图像特征；其次，通过CPG基于图像特征和图像标签，引入图像特征之间基于信道的关系，生成相应的原型；最后，通过CBC注册了类原型，并使用所有类的全局上下文信息来执行分类。本发明专利技术设计了一个具有多个transformer块的特征提取器。该特征提取器通过构建跨样本关注、跨区域交互，从而提取出缺陷突出显示的特征。引入了CPG产生更具有代表性的类原型。最后，提出了一种应用全局上下文信息的CBC。可以在所有类中做出更好的分类决策。

【技术实现步骤摘要】

本专利技术涉及图像分类领域，尤其涉及一种对屏幕缺陷进行少样本分类的方法。

技术介绍

1、手机屏幕的质量对手机的外观和消费者的体验都有影响，但在复杂的生产过程中不可避免地会出现一些缺陷。传统的人工检测，依靠熟练工人，效率低、耗时，因此一些研究致力于基于视觉的自动缺陷检测，取得了巨大的成就。这些自动方法分为两大类：基于人工特征的方法和基于卷积神经网络(cnn)的方法。前一种方法通常是针对特定的缺陷而设计的，因此缺乏泛化能力。相比之下，后者具有较强的高级特征学习能力，在缺陷检测方面的性能优于前者。因此，基于cnn的方法最近在缺陷检测领域引起了越来越多的关注。

2、然而，大多数深度学习方法需要大量标注的注释训练数据，因此当只有少数标记数据可以用于训练时，面临性能下降。在实际的手机屏幕生产线中，正常产品的产量相对较高，因此有一些缺陷(如水印)难以收集。其次，真实的工业场景不仅面临已知的缺陷，而且有时还会面临新的缺陷。这些未知的类别无法在短时间内收集到大量的样本。这两个问题要求该模型能够解决少样本问题。

3、为了将基于cnn的模型从大量的训练数本文档来自技高网...

【技术保护点】

1.一种对屏幕缺陷进行少样本分类的方法，其特征在于：由带有多个transformer块的特征提取器、CPG和CBC组成，包括以下步骤：

2.根据权利要求1所述的对屏幕缺陷进行少样本分类的方法，其特征在于：所述步骤S1具体为：使用链接标记Xlink∈RC×D交互查询和支持，所述链接标记Xlink∈RC×D具有D维的嵌入向量；在输入块，初始化两个链接标记分别是支持样本前景和背景区域的平均特征；然后通过交叉注意力逐块更新链接标记；该流程可表述如下：

3.根据权利要求2所述的对屏幕缺陷进行少样本分类的方法，其特征在于：跨区域交互被附加到每个transformer层上，促进...

【技术特征摘要】

1.一种对屏幕缺陷进行少样本分类的方法，其特征在于：由带有多个transformer块的特征提取器、cpg和cbc组成，包括以下步骤：

2.根据权利要求1所述的对屏幕缺陷进行少样本分类的方法，其特征在于：所述步骤s1具体为：使用链接标记xlink∈rc×d交互查询和支持，所述链接标记xlink∈rc×d具有d维的嵌入向量；在输入块，初始化两个链接标记分别是支持样本前景和背景区域的平均特征；然后通过交叉注意力逐块更新链接标记；该流程可表述如下：

3.根据权利要求2所述的对屏幕缺陷进行少样本分类的方法，其特征在于：跨区域交互被附加到每个transformer层上，促进背景中不同区域之间的交互，使用真实标签将每张查询图...

【专利技术属性】
技术研发人员：曹明生，丁桥隆，陈大江，张宇，陈虹良，及宇轩，王竣，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：