[發明專利]基于預檢測權值的樣本維度加權的模具清洗效果檢驗方法

在審

• 申請號: 202011519124.2
• 申請日: 2020-12-21
• 公開（公告）號: CN112529093A
• 公開（公告）日: 2021-03-19
• 發明（設計）人: 張石駿
• 申請（專利權）人: 上海英十信息科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于預檢測權值的樣本維度加權的模具清洗效果檢驗方法，其特征在于，包括：

訓練階段，包括：

獲取以多個角度拍攝的已清洗模具的圖像作為多張訓練圖像；

將所述多張訓練圖像輸入預檢測卷積神經網絡以獲得與所述多張訓練圖像對應的多張第一訓練特征圖；

對所述多張第一訓練特征圖，將每一所述第一訓練特征圖進行全局平均值池化以獲得對應于每一所述第一訓練特征圖的特征值，以獲得多個特征值作為樣本加權權重；

將所述多張訓練圖像輸入卷積神經網絡以獲得與所述多張訓練圖像對應的多張第二訓練特征圖；

以所述樣本加權權重對所述多張第二訓練特征圖進行加權，以獲得訓練分類特征圖；

將所述訓練分類特征圖通過分類器以獲得分類損失函數值；以及

基于所述分類損失函數值更新所述卷積神經網絡和所述分類器的參數；以及

推斷階段，包括：

獲取以多個角度拍攝的待檢測已清洗模具的多張待檢測圖像；

將所述多張待檢測圖像輸入所述預檢測卷積神經網絡以獲得與所述多張待檢測圖像對應的多張第一特征圖；

對所述多張第一特征圖，將每一所述第一特征圖進行全局平均值池化以獲得對應于每一所述第一特征圖的特征值，以獲得多個特征值作為樣本加權權重；

將所述多張待檢測圖像輸入所述卷積神經網絡以獲得與所述多張待檢測圖像對應的多張第二特征圖；

以所述樣本加權權重對所述多張第二特征圖進行加權，以獲得分類特征圖；以及

將所述分類特征圖通過所述分類器以獲得分類結果，所述分類結果用于表示所述待檢測已清洗模具的清洗效果是否合格。

2.根據權利要求1所述的基于預檢測權值的樣本維度加權的模具清洗效果檢驗方法，其中，基于所述分類損失函數值更新所述卷積神經網絡和所述分類器的參數，包括：

基于所述分類損失函數值更新所述卷積神經網絡、所述分類器和所述預檢測卷積神經網絡的參數。

3.根據權利要求1所述的基于預檢測權值的樣本維度加權的模具清洗效果檢驗方法，其中，將所述訓練分類特征圖通過分類器以獲得分類損失函數值，包括：

將所述訓練分類特征圖通過一個或多個全連接層，以獲得訓練分類特征向量；

將所述訓練分類特征向量輸入分類函數以獲得分類結果；以及

將所述分類結果與真實值之差輸入損失函數，以獲得所述分類損失函數值。

4.根據權利要求1所述的基于預檢測權值的樣本維度加權的模具清洗效果檢驗方法，其中，對所述多張第一特征圖，將每一所述第一特征圖進行全局平均值池化以獲得對應于每一所述第一特征圖的特征值，以獲得多個特征值作為樣本加權權重，包括：

將所述多個特征值以所述多個待檢測圖像對應的拍攝角度為序排列以獲得所述樣本加權權重；

其中，以所述樣本加權權重對所述多張第二特征圖進行加權，以獲得分類特征圖，包括：

將所述多個第二特征圖以所述多個待檢測圖像對應的拍攝角度為序排列；以及

以順序一致的所述樣本加權權重計算所述多張第二特征圖的加權和，以獲得所述分類特征圖。

5.根據權利要求1所述的基于預檢測權值的樣本維度加權的模具清洗效果檢驗方法，其中，所述卷積神經網絡為深度殘差網絡。