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
本发明属于目标检测技术领域，具体涉及一种基于自编码器的飞机零件缺陷检测方法。本方法可基于大量带标签的数据，无需再人为手工标注即可开始训练模型，训练出来的模型在鲁棒性和准确率上均有比较好的表现。使用该方法不仅解决了传统飞机零件检测人工目测效率低的问题；而且原始数据无需再进行人为标注，规避了使用深度学习手段进行异常检测时人为标注数据成本高的弊端。训练出来的自编码器在准确性与鲁棒性均有比较好的表现。
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117523555A
(43)申请公布日2024.02.06
(21)申请号202311482126.2
(22)申请日2023.11.08
(71)申请人陕西飞机工业有限责任公司
地址
文档评论（0）