原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明涉及图像处理技术领域，尤其涉及一种面向钢材表面缺陷检测的迁移学习方法，包括通过工业相机获取钢材表面图像样本并对图像样本进行预处理，将预处理后的钢材图像样本分为源域和目标域，并对源域钢材缺陷样本进行标记；采用ResNet50网络提取源域和目标域的钢材缺陷特征，并将源域和目标域数据映射到联合子空间内；通过线性判别分析方法对高维特征进行降维处理实现源域和目标域子空间对齐；从源域和目标域两个方面选择目标域样本子集进行伪标记，通过迭代学习完成对所有目标域钢材表面缺陷样本的伪标记。本发明能够准确、快速
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116468681 A
(43)申请公布日 2023.07.21
(21)申请号 202310349447.9 G06N 3/0464 (2023.01)
(22)申请日 2023.04
文档评论（0）