[發(fā)明專利]一種用于電潤濕顯示屏缺陷識別方法

在審

• 申請?zhí)枺?/td>: 201711347034.8
• 申請日: 2017-12-15
• 公開（公告）號: CN107944551A
• 公開（公告）日: 2018-04-20
• 發(fā)明（設(shè)計）人: 林志賢;林珊玲;郭太良;何慧敏;單升起;錢明勇;曾素云
• 申請（專利權(quán)）人: 福州大學(xué)
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08
• 代理公司: 福州元創(chuàng)專利商標(biāo)代理有限公司35100
• 代理人: 蔡學(xué)俊,丘鴻超

1.一種用于電潤濕顯示屏缺陷識別方法，其特征在于：采用加入批量歸一化算法的卷積神經(jīng)網(wǎng)絡(luò)實現(xiàn)；所述卷積神經(jīng)網(wǎng)絡(luò)包括四層卷積層、三層池化層、三層批量歸一化層、兩層全連接層、兩層Dropout層以及輸出層；通過在所述卷積層后加入批量歸一化層，使得每層卷積層具有相同的數(shù)據(jù)分布，提高網(wǎng)絡(luò)的泛化能力，加快網(wǎng)絡(luò)收斂，從而提高模型訓(xùn)練速度及識別精度；該方法具體包括以下步驟：

步驟S1、將輸入圖像歸一化至網(wǎng)絡(luò)所需統(tǒng)一尺寸大小；

步驟S2、進行卷積：用一個可訓(xùn)練的濾波器卷積輸入圖像，得到卷積層的特征圖；

步驟S3、進行降采樣：對卷積層的特征圖中的每個n×n領(lǐng)域求最大值得到池化層一個值，進而使得降采樣的特征圖在各個維度都比卷積層的特征度縮小n倍；

步驟S4、進行歸一化：通過批量歸一化算法將輸入數(shù)據(jù)歸一化成均值為0，標(biāo)準(zhǔn)差為1的數(shù)據(jù)分布狀態(tài)，同時引入學(xué)習(xí)參數(shù)，使得數(shù)據(jù)歸一化過程中不影響從上一層網(wǎng)絡(luò)學(xué)習(xí)到的數(shù)據(jù)特征；批量歸一化算法的歸一化及前向傳播公式為：

μB←1mΣi=1mxi]]>

δB2←1mΣi=1m(xi-μB)2]]>

x^i←xi-μBδB2+ϵ]]>

yi←γx^i+β≡BNγ,β(xi)]]>

其中，μ_B為均值，δ_B²為方差，y_i為輸出數(shù)據(jù)；

步驟S5、進行全連接：將第三層池化層的特征圖展開成一個向量，乘上加權(quán)值并通過激活函數(shù)得到輸出層神經(jīng)元的輸出值；

步驟S6、求出輸出值與標(biāo)簽值的均方誤差，網(wǎng)絡(luò)采用批量隨機梯度下降法進行網(wǎng)絡(luò)迭代運算，當(dāng)網(wǎng)絡(luò)迭代次數(shù)滿足要求時終止卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。