[发明专利]一种基于无偏嵌入零样本学习的电芯缺陷分类方法

摘要

一种基于无偏嵌入零样本学习的电芯缺陷分类方法，包括：1)从通过高清摄像头采集的电芯图片中，采用滑动窗口的方式获取合适大小的包含缺陷的图像块，将较为常见的缺陷类别分配为带标签的源数据，将少见的缺陷类别分配为无标签的目标数据；2)使用有标注的源类数据和未标注的目标类数据来端对端地训练准全监督学习网络模型QFSL；3)测试阶段，对于输入的图像块，通过视觉嵌入子网络得到它的视觉嵌入，接着利用视觉‑语义衔接子网络，完成从视觉嵌入到语义嵌入的映射，然后通过内积计算得到投影得到的视觉嵌入和语义嵌入的得分，最后送入Softmax分类器产生了所有类别的预测概率，将概率最高的那个类别作为分类结果。

主权项

1.一种基于无偏嵌入零样本学习的电芯缺陷分类方法，包含如下步骤：1)通过高清摄像头采集电芯缺陷图片，对缺陷区域进行取样切块，将较为常见的缺陷类别分配为带标签的源数据，将少见的缺陷类别分配为无标签的目标数据，并将数据划分为训练集和测试集；2)构建准全监督学习网络模型QFSL，包括视觉嵌入子网络、视觉‑语义衔接子网络、得分子网络和分类器四个模块；3)使用训练集中的图像块训练QFSL模型，定义损失函数，利用随机梯度下降算法SGD对模型参数进行优化；4)将测试集中图像块输入给QFSL模型，得到输入在源类别及目标类别上的预测概率，将概率最高的那个类别作为分类结果。