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
本发明公开了一种基于深度学习的检测器训练方法，包括：获取训练样本；所述训练样本为正常显示器图像；对所述训练样本的图像进行特征提取并存储至内存库；所述特征包括补丁特征；对提取到的特征进行二次抽样后存储为核心集；依据所述核心集对预设的初始检测模型进行训练，以获得检测模型以及异常分数。只需使用正常的产品样本进行模型训练，节约了大量数据采集和数据标注的成本，并且有效减少了数据量和后续检测的计算量。还公开了一种基于深度学习的检测器，以及利用前述训练方法得到的检测模型和核心集检测显示器缺陷的检测方法，能够快
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117809137A
(43)申请公布日2024.04.02
(21)申请号202410033941.9
(22)申请日2024.01.09
(71)申请人广东中强精英电子
文档评论（0）