“朱帮瑞”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果3个，建议您升级VIP下载更多相关专利

[发明专利]一种多尺度薄膜缺陷检测方法-CN202211487859.0在审
发明人：吴春江;邓建华;朱伟云;朱帮瑞;孙晋鹏 -专利权人：上海成电福智科技有限公司
申请日： 2022-11-25 - 公布日： 2023-06-23 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种多尺度薄膜缺陷检测方法，包括：数据集构建，照片采集，对照片中的缺陷人工标注真实框，并标记真实框的类别，将标记后的图像作为数据样本，所有数据样本构成薄膜缺陷数据集；建立多尺度缺陷检测网络；多尺度缺陷检测网络的训练；获取待测的薄膜缺陷样本，送入训练好的多尺度缺陷检测网络中对缺陷进行识别定位。本发明将多尺度特征提取主干用于薄膜缺陷样本的特征提取，并利用多尺度特征进行多尺度目标识别，多尺度特征一能用来预测小目标，多尺度特征二用来预测中目标，多尺度特征三用来预测大目标。最后再来将几个分支的预测结果进行合并，得到预测结果，本发明针对车间场景中多尺度目标具有良好的检测精度。
一种尺度薄膜缺陷检测方法

[发明专利]一种基于无监督迁移学习的零部件缺陷检测方法-CN202211535510.X在审
发明人：吴春江;邓建华;朱伟云;朱帮瑞;孙晋鹏 -专利权人：上海成电福智科技有限公司
申请日： 2022-12-02 - 公布日： 2023-04-07 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于无监督迁移学习的零部件缺陷检测方法，包括对机床中零部件的图像按缺陷类别进行分类，分成多个子数据集，将每个子数据集内的图像，分为有类别标签和无类别标签两部分；对每个子数据集，构造其源域和目标域；建立回归网络并训练得到分类模型；缺陷类别识别。本发明通过构建了基于无监督迁移学习回归网络，建立了无标签数据集和有标签数据集之间的映射关系，解决了车间设备的缺陷检测获取标签难、复杂环境下提取的图像特征完整问题；同时设计了一种多域多类别特征提取方式，获取图像在多个域里面的特征信息，并对提取的特征进行加权，对有用的特征信息进行了增加，能够在缺少真实标签的情况下对当前缺陷进行分类。
一种基于监督迁移学习零部件缺陷检测方法

[发明专利]基于深度神经网络的手机辐射源频谱图类别增量学习方法-CN202211569854.2在审
发明人：邓建华;吴春江;周锦霆;朱帮瑞;孙晋鹏 -专利权人：上海成电福智科技有限公司
申请日： 2022-12-08 - 公布日： 2023-03-21 - 主分类号： G06F18/214 文献下载
摘要：本发明公开了一种基于深度神经网络的手机辐射源频谱图类别增量学习方法，包括获取手机辐射源频谱图的数据集，确定任务t1~tN，以及N个任务对应的训练数据集D1~Dn、类别集C1~Cn；再学习任务t1得到网络模型；依次学习任务t2~tN来更新网络模型，且在每个增量学习阶段，通过增加分类层的参数重构分类层，以适应不断增加的类别数量，并采用交叉熵损失、基于距离的度量损失和蒸馏损失构成总损失函数训练网络模型。本发明能在无旧类训练数据下，完成模型对手机辐射源谱图的类别增量学习，能充分利用模型当前已学习的知识初始化新类分类参数，促进新类的学习。
基于深度神经网络手机辐射源频谱类别增量学习方法