摘要
本发明涉及图像识别技术领域,公开了一种薄膜表面瑕疵图像分类方法及系统,该方法通过提取薄膜表面瑕疵图像的直接图像特征向量和噪声特征向量;融合直接图像特征向量和噪声特征向量,得到融合特征向量;根据标签嵌入向量确定薄膜表面瑕疵图像分类模型;将融合特征向量输入薄膜表面瑕疵图像分类模型,并获取薄膜表面瑕疵图像分类模型输出的分类结果。这样,使用图像生成模型的噪声预测网络作为这里的图像特征提取器,提取“噪声特征”,而不是用于生成图像,然后和另外的卷积网络提取的特征融合,可以更好的分析薄膜表面瑕疵图像的特征,提高识别精度。
技术关键词
图像分类模型
图像分类方法
瑕疵
图像特征向量
噪声特征提取
薄膜
图像生成模型
图像特征提取
标签
预测类别
编码向量
网络
噪声预测
矩阵
图像分类系统
图像识别技术
处理器
系统为您推荐了相关专利信息
场景分类
图像特征向量
视觉
车辆控制方法
车辆智能驾驶
机器人组件
真空热压机
料仓组件
氢燃料电池
框架
视频推荐方法
兴趣
视频推荐列表
多源融合
文本特征向量
场景分类
场景类别
低光照图像增强
直方图均衡化
多尺度检测方法