[发明专利]一种基于深度学习特征相关性的无监督缺陷检测方法在审
| 申请号： | 202210419979.0 | 申请日： | 2022-04-21 |
| 公开（公告）号： | CN114862772A | 公开（公告）日： | 2022-08-05 |
| 发明（设计）人： | 李勃;张卓凡;赵宇迪;胡斌浩 | 申请（专利权）人： | 南京大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06V10/764;G06V10/40;G06V10/77;G06V10/80;G06V10/26;G06V10/74;G06V10/82;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 南京天翼专利代理有限责任公司 32112 | 代理人： | 奚铭 |
| 地址： | 210023 江苏*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于深度学习特征相关性的无监督缺陷检测方法,构建缺陷检测模型，使用深度学习预训练网络作为图像特征提取模块，对输入的图像进行抽象描述，由正常样本训练缺陷检测模型，得到特征模板库，检测时，对待检测图像提取特征，将待检测图像的特征和正常样本的特征对比，对待检测图像的特征在特征模板库中进行k近邻检索，两个向量之间的距离衡量方式为欧式距离，根据距离衡量待检测样本的异常得分，判断是否存在缺陷。本发明通过无监督特征相关性的方式来进行缺陷检测，无需繁琐的人工标注，仅需要采用少量正常样本就能完成缺陷的检测分割。 | ||
| 搜索关键词： | 一种 基于 深度 学习 特征 相关性 监督 缺陷 检测 方法 | ||
【主权项】：
暂无信息
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南京大学，未经南京大学许可，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/patent/202210419979.0/，转载请声明来源钻瓜专利网。
