【技术实现步骤摘要】
本专利技术涉及图像识别，具体涉及一种基于提示学习的小样本缺陷分割方法及系统。
技术介绍
1、在工业生产中，基于深度学习的缺陷分割是当前主要采用的缺陷分割方案，其基本思路是通过从工业场景中收集大量缺陷图像进行标注，对全监督模型进行训练以实现对缺陷的分割。然而在工业场景中，大量的缺陷数据往往难以收集和标注，并且传统的缺陷分割方法往往只能对已知的缺陷类别进行识别，难以对未知的缺陷类别实现泛化的分割。
2、小样本分割能够利用少量被标注的已知缺陷图像，对同样类别的待测缺陷图像进行特征比较，并将特征相似区域作为最终的分割结果，从而能够在受限样本下实现泛化的缺陷分割。但由于特征表征形式往往复杂多样且容易受到噪声干扰，限制了小样本分割的精度。
技术实现思路
1、为了解决现有技术的不足，本专利技术的目的是提供一种基于提示学习的小样本缺陷分割方法及系统，以实现高精度的小样本缺陷分割。
2、为了实现上述目的，根据一些实施例，本专利技术的第一方面，提供了一种基于提示学习的小样本缺陷分割方法
【技术保护点】
1.基于提示学习的小样本缺陷分割方法，其特征在于，包括：
2.如权利要求1所述的基于提示学习的小样本缺陷分割方法，其特征在于，已知缺陷图像的多维度特征的获取过程包括：
3.如权利要求1所述的基于提示学习的小样本缺陷分割方法，其特征在于，获取待测缺陷图像和已知缺陷图像的全局相似特征，包括：
4.如权利要求1所述的基于提示学习的小样本缺陷分割方法，其特征在于，待测缺陷图像和已知缺陷图像的局部相似特征采用余弦相似注意力得到，计算公式为：
5.如权利要求1所述的基于提示学习的小样本缺陷分割方法，其特征在于，稠密提示向量的获取过程
...
【技术特征摘要】
1.基于提示学习的小样本缺陷分割方法，其特征在于，包括：
2.如权利要求1所述的基于提示学习的小样本缺陷分割方法，其特征在于，已知缺陷图像的多维度特征的获取过程包括：
3.如权利要求1所述的基于提示学习的小样本缺陷分割方法，其特征在于，获取待测缺陷图像和已知缺陷图像的全局相似特征，包括：
4.如权利要求1所述的基于提示学习的小样本缺陷分割方法，其特征在于，待测缺陷图像和已知缺陷图像的局部相似特征采用余弦相似注意力得到，计算公式为：
5.如权利要求1所述的基于提示学习的小样本缺陷分割方法，其特征在于，稠密提示向量的获取过程包括：
6.如权利要求...
【专利技术属性】
技术研发人员：房体育，宋然，张伟，张林，魏致远，
申请(专利权)人：山东大学，
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。