作者：胡诗尧; 周华民; 郭飞; 刘家欢塑件外观检测卷积神经网络迁移学习柔性检测
摘要：卷积神经网络大数据与尺寸标注少、大数据与强计算之间的矛盾限制了塑件外观检测自动化的发展,迁移学习方法通过共享网络结构、特征参数等方法,可以在样本数量较少的情况下快速训练新的模型,有效缓解上述矛盾。考虑塑件外观缺陷种类繁多,但外观缺陷特征基本一致,基于此,提出了共享模型中低维特征参数的柔性外观缺陷检测方法,该方法首先通过卷积神经网络提取外观缺陷的抽象特征,训练一个目标检测模型,在需要检测类似缺陷时,将该模型最后一层重新初始化后作为预训练模型,获得识别该缺陷特征的经验知识,最后通过少量样本对重新初始化后的模型进行微调,快速训练得到一个新的检测模型。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
