龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：浙江大学
摘要：本发明公开了一种缺陷检测和缺陷样本复原的方法。本方法包含训练和测试两个部分，训练为无监督训练。整体框架分为两个模块，一个是特征提取模块En，一个是解码器模块Dec。训练阶段将原始图像人为处理添加缺陷并输入En，En输出缺陷特征和样本固有特征，Dec将上述特征解码得到缺陷置信图和修复图像。在测试阶段输入图像不做缺陷添加处理直接输入En。De‑Trans模型相比于传统ViT加入了多classtoken机制以及相应的特征分离loss和全局位置编码模块，前者完成特征分离，后者显著加速模型的训练过程。本发明从特征分离层面完成无监督的缺陷检测和样本复原，有效的降低了缺陷检测的训练成本并显著地提高了缺陷定位的颗粒度和空间变化的鲁棒性。
主权项：1.一种基于特征分离的缺陷检测方法，其特征在于，包括以下步骤：1拓展基于视觉的模型ViT的词符数量，所述词符数量对应的提取的特征数量为若干个，并使用特征分离损失函数DeLoss对提取的特征进行约束，建立特征的类内和类间关系；2对模型ViT的位置编码模块引入全局图像特征提取模块，将其提取的特征合并到传统的位置编码里，构成新的位置编码，即全局位置编码；3对原始图像进行人为添加缺陷，并使用特征提取器En对其提取缺陷特征fa和样本固有特征fo；4使用解码器Dec对步骤3提取得到的缺陷特征fa和样本固有特征fo进行解码，得到缺陷定位置信图和修复后的图像。
全文数据：
权利要求：
百度查询： 浙江大学 一种基于特征分离的缺陷检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号