基于半监督深度学习算法的钢铁表面缺陷识别方法(需要二次变更)
本发明涉及图像分类识别技术领域,具体涉及基于半监督深度学习算法的钢铁表面缺陷识别方法,包括以下步骤:A)获取钢铁表面图像,获得初始图像样本数据;B)对初始图像样本数据按预设比例分为训练数据集和验证数据集,从训练数据集中选取20%进行人工打标,作为有标签样本集,其余作为无标签样本集;C)将步骤B)中的训练数据集输入模型分类器进行迭代训练,每迭代N步使用验证样本集中的样本进行验证,直到达到预设阈值;D)将新的钢铁表面图像输入模型分类器,获得钢铁表面图像的缺陷识别结果。本发明的实质性效果是:使神经网络模型能够适应具无标签的样本数据,大幅降低分类器需要的有标签样本数据,降低了分类器训练的成本。
《基于半监督深度学习算法的钢铁表面缺陷识别方法(需要二次变更)》是一发明专利,专利号为 2020109823194,当前法律状态为已下证,由杭州电子科技大学提出申请,发明人为王洪成;郑小青;孔亚广;郑松,申请日期为2020-09-17,公开(公告)日期为2024-05-10,国际专利分类号(IPC)为 G06T 7/00 (2017.01),高新资质:未报高企,所属技术领域包括:基于半监督深度学习算法钢铁表面缺陷识别方法、人工智能钢铁表面缺陷识别方法、钢铁质检、钢材钢铁缺陷识别方法。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明涉及图像分类识别技术领域,具体涉及基于半监督深度学习算法的钢铁表面缺陷识别方法,包括以下步骤:A)获取钢铁表面图像,获得初始图像样本数据;B)对初始图像样本数据按预设比例分为训练数据集和验证数据集,从训练数据集中选取20%进行人工打标,作为有标签样本集,其余作为无标签样本集;C)将步骤B)中的训练数据集输入模型分类器进行迭代训练,每迭代N步使用验证样本集中的样本进行验证,直到达到预设阈值;D)将新的钢铁表面图像输入模型分类器,获得钢铁表面图像的缺陷识别结果。本发明的实质性效果是:使神经网络模型能够适应具无标签的样本数据,大幅降低分类器需要的有标签样本数据,降低了分类器训练的成本。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
