[發明專利]一種工業檢測用深度學習的AI智能模型

在審

• 申請號: 202010627346.X
• 申請日: 2020-07-02
• 公開（公告）號: CN111860619A
• 公開（公告）日: 2020-10-30
• 發明（設計）人: 黃西士;呂越峰;張劍
• 申請（專利權）人: 蘇州富鑫林光電科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/08;G06N3/04
• 代理公司: 蘇州市中南偉業知識產權代理事務所(普通合伙) 32257
• 代理人: 吳竹慧

1.一種工業檢測用深度學習的AI智能模型，其特征在于，包括：空間多尺度模塊、頻道特征重新動態標定模塊、不同層次金字塔的特征重用模塊、全局連接池化操作模塊和批量標準化模塊；

空間多尺度模塊，基于空間多尺度理論模擬人類的粗粒度和精細粒度相結合的學習和推理方式，并且結構中嵌入了多尺度信息，聚合多種不同感受野上的特征來獲得性能增益，并且利用，綜合兼顧圖像的周圍環境上下文大特征和局部精細小特征；

頻道特征重新動態標定模塊，對于不同的頻道，其特征信息對于最后的應用任務的重要性不同，對于不同的輸入圖像，對不同的通道進行動態重標定或加權；

不同層次金字塔的特征重用模塊，將網路前面層的特征重復利用，減少學習的網路參數，如果最后分類或識別用到前面層的特征，后面網路層不需要用更復雜的網路結構重新學習前面的特征，并且能夠減少相應的用于訓練的數據量；

全局連接池化操作模塊，只用一個全連接層，相對于常規三層的全連接層的參數數量大大減少，對于分類任務，在分類層前利用特征圖的全局平均池化層，增強特征圖類別的學習，比傳統的多層全連接層更不容易過擬合；

批量標準化模塊，靈活選擇配置在一個或多個卷積層之間加入批量標準化層。

2.如權利要求1所述的一種工業檢測用深度學習的AI智能模型，其特征在于，其中空間多尺度模塊還可以在靠近輸入圖像層時，采用并行的多尺度信息頻道有效提取互補的信息。

3.如權利要求1所述的一種工業檢測用深度學習的AI智能模型，其特征在于，其中頻道特征重新動態標定模塊還可以利用全局信息，通過學習每層通道之間的相關性，自適應地重新校準各個通道的特征。

4.如權利要求1所述的一種工業檢測用深度學習的AI智能模型，其特征在于，其中不同層次金字塔的特征重用模塊還可以根據需要，靈活配置網路層之間的直通連接。