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
本发明涉及一种多尺度学习任务的金属表面缺陷检测和分类方法，包括采集金属表面缺陷数据，获取金属缺陷特征图，将其输入细长部分卷积模块得到多尺度缺陷特征图，将其输入高效多尺度特征融合模块，获得高效多尺度融合特征图，构建金属表面缺陷检测网络AISDDNet，提取包含多尺度和位置的深层缺陷特征的特征图，检测出多尺度缺陷的边界框预测结果和分类结果，采用相似性和并集交集损失作为损失函数，对该模型进行训练和权重更新，得到最终的缺陷检测模型。本发明采用了专注于捕获细长和曲折的缺陷特征，采用了高效多尺度特征融合模块
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117576095A
(43)申请公布日2024.02.20
(21)申请号202410057204.2G06V10/774(2022.01)
文档评论（0）