[发明专利]以合成图像训练机器学习模型在审

专利信息
申请号: 201980017200.9 申请日: 2019-03-19
公开(公告)号: CN111819583A 公开(公告)日: 2020-10-23
发明(设计)人: I·赖利;贺力;S·梵卡泰若曼;M·科瓦尔斯基;A·希迪 申请(专利权)人: 科磊股份有限公司
主分类号: G06N20/00 分类号: G06N20/00;G06N3/04;G06N3/08;G06T7/00;G06F3/0482;G06K9/62;G06K9/46
代理公司: 北京律盟知识产权代理有限责任公司 11287 代理人: 刘丽楠
地址: 美国加利*** 国省代码: 暂无信息
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 合成 图像 训练 机器 学习 模型
【权利要求书】:

1.一种经配置以训练机器学习模型的系统,其包括:

一或多个计算机子系统;及

一或多个组件,其由所述一或多个计算机子系统执行,其中所述一或多个组件包括:

图形用户接口GUI,其经配置用于:

将样品的一或多个图像及图像编辑工具显示给用户;及

从所述用户接收输入,其中所述输入包括使用所述图像编辑工具中的一或多者对所述一或多个图像中的至少一者进行的一或多个更改;

图像处理模块,其经配置用于将所述一或多个更改应用于所述一或多个图像中中的所述至少一者,借此产生至少一个经修改图像且将所述至少一个经修改图像存储于训练集中;及

机器学习模型,其经配置用于使用通过成像子系统针对所述样品产生的图像针对所述样品执行一或多个功能;

其中所述一或多个计算机子系统经配置用于以其中存储所述至少一个经修改图像的所述训练集训练所述机器学习模型。

2.根据权利要求1所述的系统,其中显示于所述GUI中的所述一或多个图像是包含于初始训练集中的图像,且其中所述存储包括将所述至少一个经修改图像添加到所述初始训练集以借此产生所述训练集。

3.根据权利要求1所述的系统,其中所述一或多个更改包括以缺陷类别标签对所述一或多个图像中的所述至少一者进行批注。

4.根据权利要求1所述的系统,其中所述一或多个更改包括在所述一或多个图像中的所述至少一者中产生合成缺陷。

5.根据权利要求1所述的系统,其中所述一或多个更改包括通过所述用户运用包含于所述图像编辑工具中的绘制工具输入的一或多个手动绘制更改。

6.根据权利要求1所述的系统,其中所述一或多个更改包括将对应于已知所关注缺陷的图像的一部分转贴到所述一或多个图像中的所述至少一者中。

7.根据权利要求1所述的系统,其中所述一或多个更改包括基于所述样品的已知所关注缺陷的一或多个特性在所述一或多个图像中的所述至少一者中产生合成缺陷。

8.根据权利要求1所述的系统,其中显示于所述GUI中的所述一或多个图像是初始训练集中的图像,其中所述初始训练集不包括所述样品的已知所关注缺陷的任何例子,其中所述一或多个更改包括基于所述已知所关注缺陷的一或多个特性在所述一或多个图像中的所述至少一者中产生合成缺陷,且其中所述存储包括将所述至少一个经修改图像添加到所述初始训练集以借此产生所述训练集。

9.根据权利要求1所述的系统,其中显示于所述GUI中的所述一或多个图像是初始训练集中的图像,其中所述初始训练集包括所述样品的已知所关注缺陷的少于预定数目个例子,其中所述一或多个更改包括基于所述已知所关注缺陷的一或多个特性在所述一或多个图像中的所述至少一者中产生一或多个合成缺陷,借此产生所述至少一个经修改图像中的一或多者,且其中所述存储包括将所述至少一个经修改图像中的所述一或多者添加到所述初始训练集以借此产生所述训练集。

10.根据权利要求1所述的系统,其中所述一或多个更改包括对对应于缺陷的所述一或多个图像中的所述至少一者的一部分的一或多个修改,且其中产生所述至少一个经修改图像包括:基于所述一或多个修改产生新图像。

11.根据权利要求10所述的系统,其中所述一或多个修改包括按比例调整、旋转、边缘模糊或强度修改。

12.根据权利要求1所述的系统,其中所述GUI进一步经配置用于将所述训练的结果显示给所述用户。

13.根据权利要求1所述的系统,其中所述GUI进一步经配置用于显示通过所述经训练机器学习模型针对所述样品或另一样品使用由所述成像子系统分别针对所述样品或所述另一样品产生的所述图像执行的所述一或多个功能的结果。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于科磊股份有限公司,未经科磊股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201980017200.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top