模式识别与人工智能
2025年4月3日 星期四   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2021, Vol. 34 Issue (5): 407-414    DOI: 10.16451/j.cnki.issn1003-6059.202105003
“视觉目标检测、判别与跟踪”专题 最新目录| 下期目录| 过刊浏览| 高级检索 |
基于小样本度量迁移学习的表面缺陷检测
黄健1, 郑春厚1, 章军2, 王兵3, 陈鹏4
1.安徽大学 计算机科学与技术学院 合肥 230601;
2.安徽大学 电气工程与自动化学院 合肥 230601;
3.安徽工业大学 电气与信息工程学院 马鞍山 243032;
4.安徽大学 互联网学院 合肥 230601
Few-Shot Metric Transfer Learning Network for Surface Defect Detection
HUANG Jian1, ZHENG Chunhou1, ZHANG Jun2, WANG Bing3, CHEN Peng4
1. School of Computer Science and Technology, Anhui University, Hefei 230601;
2. School of Electrical Engineering and Automation, Anhui University, Hefei 230601;
3. School of Electrical and Information Engineering, Anhui University of Technology, Maanshan 243032;
4. School of Internet, Anhui University, Hefei 230601

全文: PDF (1016 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 将小样本学习中的度量学习方法引入缺陷检测领域,提出小样本度量迁移学习方法,用于解决深度学习方法中需要大量学习样本的问题.方法主要分为两个阶段:第一阶段使用公开或便于获得的大型数据集预训练深度网络;第二阶段将网络学习到的相关知识通过度量学习模块迁移到表面缺陷检测领域.实验表明,小样本学习在缺陷检测领域的可行性.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
黄健
郑春厚
章军
王兵
陈鹏
关键词 深度学习小样本学习度量学习缺陷检测    
Abstract:Metric learning method of few-shot learning is introduced into the field of defect detection, and a few-shot learning method based on transfer metric learning is proposed to meet the requirement of deep learning method for a large number of learning samples. In the first stage, the deep network is pre-trained on the large datasets which are open or easy to be obtained. In the second stage, the relevant knowledge learned by the network is transferred to the field of surface defect detection through the metric learning module.Experiments show the feasibility of few-shot learning in defect detection.
Key wordsDeep Learning    Few-Shot Learning    Metric Learning    Defect Detection   
收稿日期: 2021-02-25     
ZTFLH: TP 391  
基金资助:国家自然科学基金项目(No.62072002,U19A2064,61872004)
通讯作者: 陈鹏,博士,教授,主要研究方向为机器视觉、数据分析.E-mail:pchen.ustc10@foxmail.com.   
作者简介: 黄健,硕士研究生,主要研究方向为计算机视觉、图像处理.E-mail:hjgogoing@163.com.郑春厚,博士,教授,主要研究方向为数据分析、生物信息学.E-mail:zhengch99@126.com.章军,博士,教授,主要研究方向为模式识别、智能信息处理、生物信息学.E-mail:wwwzhangjun@gmail.com.王兵,博士,教授,主要研究方向为智能信息处理、机器视觉、图像处理.E-mail:wangb@ahut.edu.cn.
引用本文:   
黄健, 郑春厚, 章军, 王兵, 陈鹏. 基于小样本度量迁移学习的表面缺陷检测[J]. 模式识别与人工智能, 2021, 34(5): 407-414. HUANG Jian, ZHENG Chunhou, ZHANG Jun, WANG Bing, CHEN Peng. Few-Shot Metric Transfer Learning Network for Surface Defect Detection. , 2021, 34(5): 407-414.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.202105003      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2021/V34/I5/407
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn