申请/专利权人:成都数之联科技股份有限公司
申请日:2024-02-05
公开(公告)日:2024-03-15
公开(公告)号:CN117710371A
主分类号:G06T7/00
分类号:G06T7/00;G06N3/0464;G06N3/048;G06T5/70;G06V10/44;G06V10/74;G06V10/30
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.02#实质审查的生效;2024.03.15#公开
摘要:本申请提供一种扩充缺陷样本的方法、装置、设备及存储介质,涉及缺陷检测技术领域,用于解决缺陷样本较少的问题。该方法包括:对真实面板中的缺陷进行图像采集,获得原始缺陷图像;将所述原始缺陷图像输入训练好的VAE模型中进行缺陷扩充,获得扩充缺陷图像;其中,所述训练好的VAE模型中的编码器包括卷积层、特征均值层和指数函数激活层,所述训练好的VAE模型中的解码器包括上采样层和批量归一化层,所述训练好的VAE模型中的损失函数包括KL散度计算模块。因此,不仅可以在进行模型训练时,更快速、更高效进行模型收敛,缩短模型的训练时间,还可以提高目标检测模型的指标,降低缺陷检测模型的漏检率。
主权项:1.一种扩充缺陷样本的方法,其特征在于,所述方法包括:对真实面板中的缺陷进行图像采集,获得原始缺陷图像;将所述原始缺陷图像输入训练好的VAE模型中进行缺陷扩充,获得扩充缺陷图像;其中,所述训练好的VAE模型中的编码器包括卷积层、特征均值层和指数函数激活层,所述训练好的VAE模型中的解码器包括上采样层和批量归一化层,所述训练好的VAE模型中的损失函数包括KL散度计算模块。
全文数据:
权利要求:
百度查询: 成都数之联科技股份有限公司 一种扩充缺陷样本的方法、装置、设备及存储介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。