买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉上海致景信息科技有限公司申请的专利一种坯布缺陷模型的快速训练方法、系统、介质及计算机获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115601300B 。

龙图腾网通过国家知识产权局官网在2025-08-29发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211090069.9，技术领域涉及：G06T7/00；该发明授权一种坯布缺陷模型的快速训练方法、系统、介质及计算机是由邹建法;朱锦祥;管瑞峰;陈钟浩;刘运春设计研发完成，并于2022-09-07向国家知识产权局提交的专利申请。

本一种坯布缺陷模型的快速训练方法、系统、介质及计算机在说明书摘要公布了：本发明涉及一种坯布缺陷模型的快速训练方法，其技术方案要点是：本申请通过随机抽取旧缺陷样本集，并将旧样本同时输入到新神经网络和旧神经网络中，对应生成各个层的输出的特征向量，并且通过计算各个层所输出的特征向量的距离度量函数，对神经网络的差异进行标定，并且通过损失函数的约束，以使神经网络在重新学习新缺陷的特征的同时不会对原本的特征提取能力存在精度影响问题。相比传统的训练方式，本申请提供的训练方式训练速度更快，且不会影响原有的特征提取精度。

本发明授权一种坯布缺陷模型的快速训练方法、系统、介质及计算机在权利要求书中公布了：1.一种坯布缺陷模型的快速训练方法，其特征在于，包括以下步骤： S1、获取若干包含未训练缺陷的第一样本图片，对若干所述第一样本图片进行预处理，对应生成若干第二样本图片； S2、获取预先训练好的第一深度学习神经网络模型、第二深度学习神经网络模型以及对应的训练样本集，并从所述训练样本集中随机筛选出与第二样本图片数量相等的第三样本图片；其中所述第一深度学习神经网络模型和第二深度学习神经网络模型相同； S3、将若干所述第三样本图片输入所述第一深度学习神经网络模型，获取所述第一深度学习神经网络模型的主干网络层输出的第一特征向量、混合网络层输出的第二特征向量、预测网络层输出的第三特征向量； S4、将若干所述第二样本图片输入所述第二深度学习神经网络模型中进行训练，生成对应的分类损失函数及回归损失函数； S5、根据所述分类损失函数和回归损失函数对所述第二深度学习神经网络模型进行约束，生成对应的第三深度学习神经网络模型； S6、将若干所述第三样本图片输入所述第三深度学习神经网络模型，获取所述第三深度学习神经网络模型的主干网络层输出的第四特征向量、混合网络层输出的第五特征向量以及预测网络层输出的第六特征向量； S7、分别计算所述第一特征向量与第四特征向量之间的第一距离度量函数、所述第二特征向量与第五特征向量之间的第二距离度量函数以及所述第三特征向量与第六特征向量之间的第三距离度量函数； S8、根据所述分类损失函数、回归损失函数、第一距离度量函数、第二距离度量函数以及第三距离度量函数所占权重加权求和，生成对应的整体损失函数，并使所述整体损失函数小于损失函数阈值；以完成一次训练，并记录对应的训练次数； S9、判断训练次数是否达到预定训练次数，若是，则终止训练；若否，将所述第三深度学习神经网络模型作为新的第二深度学习神经网络模型，再从所述训练样本集中重新抽取与第二样本图片数量相等的缺陷图片，作为新的第三样本图片，并返回步骤S3。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人上海致景信息科技有限公司，其通讯地址为：200000 上海市虹口区东大名路1158号3201室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。