摘要
本发明一种基于自监督学习的铸态铝合金微观组织图像分类方法,包括以下步骤:对无标注铸态铝合金微观组织图像样本进行图像增强;构建基于自监督学习方法的深度卷积网络的铝合金微观组织图像分类模型;将增强后的图像,送入到MoCo框架下的深度学习模型中,采用批次一致性对比损失函数对铝合金微观组织图像分类模型进行预训练,获取有标注铸态铝合金微观组织图像样本;基于少量有标注铸态铝合金微观组织图像样本,对预训练后的铝合金微观组织图像分类模型进行微调,得到训练好的铝合金微观组织图像分类模型;将测试集数据输入到训练好的铝合金微观组织图像分类模型中,实现铸态铝合金微观组织图像的分类。
技术关键词
图像分类模型
铸态铝合金
图像分类方法
深度卷积网络
组织
监督学习方法
深度学习模型
样本
编码器
标签
图像分类设备
键值
图像分类装置
图像增强模块
生成二值化
队列
参数
多层感知机
系统为您推荐了相关专利信息
光谱图像分类方法
高光谱图像分类
图像分类模型
分支
编码器
标识方法
边界特征
软组织
边界轮廓
超声图像数据
人工智能识别
面部结构
图像分割神经网络
分析方法
组织
分类预测模型
病理切片图像
联合分析方法
组织
数据