買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉上海致景信息科技有限公司申請的專利一種坯布缺陷模型的快速訓(xùn)練方法、系統(tǒng)、介質(zhì)及計算機獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN115601300B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-29發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202211090069.9，技術(shù)領(lǐng)域涉及：G06T7/00；該發(fā)明授權(quán)一種坯布缺陷模型的快速訓(xùn)練方法、系統(tǒng)、介質(zhì)及計算機是由鄒建法;朱錦祥;管瑞峰;陳鐘浩;劉運春設(shè)計研發(fā)完成，并于2022-09-07向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種坯布缺陷模型的快速訓(xùn)練方法、系統(tǒng)、介質(zhì)及計算機在說明書摘要公布了：本發(fā)明涉及一種坯布缺陷模型的快速訓(xùn)練方法，其技術(shù)方案要點是：本申請通過隨機抽取舊缺陷樣本集，并將舊樣本同時輸入到新神經(jīng)網(wǎng)絡(luò)和舊神經(jīng)網(wǎng)絡(luò)中，對應(yīng)生成各個層的輸出的特征向量，并且通過計算各個層所輸出的特征向量的距離度量函數(shù)，對神經(jīng)網(wǎng)絡(luò)的差異進行標定，并且通過損失函數(shù)的約束，以使神經(jīng)網(wǎng)絡(luò)在重新學(xué)習(xí)新缺陷的特征的同時不會對原本的特征提取能力存在精度影響問題。相比傳統(tǒng)的訓(xùn)練方式，本申請?zhí)峁┑挠?xùn)練方式訓(xùn)練速度更快，且不會影響原有的特征提取精度。

本發(fā)明授權(quán)一種坯布缺陷模型的快速訓(xùn)練方法、系統(tǒng)、介質(zhì)及計算機在權(quán)利要求書中公布了：1.一種坯布缺陷模型的快速訓(xùn)練方法，其特征在于，包括以下步驟： S1、獲取若干包含未訓(xùn)練缺陷的第一樣本圖片，對若干所述第一樣本圖片進行預(yù)處理，對應(yīng)生成若干第二樣本圖片； S2、獲取預(yù)先訓(xùn)練好的第一深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型、第二深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型以及對應(yīng)的訓(xùn)練樣本集，并從所述訓(xùn)練樣本集中隨機篩選出與第二樣本圖片數(shù)量相等的第三樣本圖片；其中所述第一深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型和第二深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型相同； S3、將若干所述第三樣本圖片輸入所述第一深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型，獲取所述第一深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型的主干網(wǎng)絡(luò)層輸出的第一特征向量、混合網(wǎng)絡(luò)層輸出的第二特征向量、預(yù)測網(wǎng)絡(luò)層輸出的第三特征向量； S4、將若干所述第二樣本圖片輸入所述第二深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型中進行訓(xùn)練，生成對應(yīng)的分類損失函數(shù)及回歸損失函數(shù)； S5、根據(jù)所述分類損失函數(shù)和回歸損失函數(shù)對所述第二深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型進行約束，生成對應(yīng)的第三深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型； S6、將若干所述第三樣本圖片輸入所述第三深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型，獲取所述第三深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型的主干網(wǎng)絡(luò)層輸出的第四特征向量、混合網(wǎng)絡(luò)層輸出的第五特征向量以及預(yù)測網(wǎng)絡(luò)層輸出的第六特征向量； S7、分別計算所述第一特征向量與第四特征向量之間的第一距離度量函數(shù)、所述第二特征向量與第五特征向量之間的第二距離度量函數(shù)以及所述第三特征向量與第六特征向量之間的第三距離度量函數(shù)； S8、根據(jù)所述分類損失函數(shù)、回歸損失函數(shù)、第一距離度量函數(shù)、第二距離度量函數(shù)以及第三距離度量函數(shù)所占權(quán)重加權(quán)求和，生成對應(yīng)的整體損失函數(shù)，并使所述整體損失函數(shù)小于損失函數(shù)閾值；以完成一次訓(xùn)練，并記錄對應(yīng)的訓(xùn)練次數(shù)； S9、判斷訓(xùn)練次數(shù)是否達到預(yù)定訓(xùn)練次數(shù)，若是，則終止訓(xùn)練；若否，將所述第三深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型作為新的第二深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型，再從所述訓(xùn)練樣本集中重新抽取與第二樣本圖片數(shù)量相等的缺陷圖片，作為新的第三樣本圖片，并返回步驟S3。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人上海致景信息科技有限公司，其通訊地址為：200000 上海市虹口區(qū)東大名路1158號3201室；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。