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
本发明公开了一种工业缺陷检测的图像分割方法，首先在异构数据集合上模型学习，经预训练模型中的参数将学习准最佳分布，用于推断过程中的图像数据，利用递归加权模型模型，将信息流中与分类器相关的参数传输到融合迁移模块；然后，通过计算融合迁移模型的广义最大平均差异来构建融合迁移模块的损失函数，实现异构数据的融合学习，递归更新的最优参数，初步传递到双支信息流的右支，完成了异构图像数据集的模型训练监督学习和知识抽取之后，在全局网络中通过知识迁移实现三层次特征抽取的参数最优化。本发明采用异构数据融合学习进行特征抽
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 115631127 A
(43)申请公布日 2023.01.20
(21)申请号 202210981514.4 G06N 3/0464 (2023.01)
(22)申请日 2022.08
文档评论（0）