摘要
本发明涉及深度学习、图像处理技术领域的一种基于双分支逆蒸馏及多输入图像的图像缺陷检测方法,包含以下步骤:S1、构建模型,包含构建教师网络、学生网络,以及具有全局分支和局部分支的双分支瓶颈结构;S2、模型训练;将教师网络输出的多个特征图e分别与学生网络对应的多个特征图d进行蒸馏,蒸馏损失使用余弦距离;S3、模型测试;通过计算逐像素的余弦距离,获得模型第i层的二维异常图,并相加获得最终的异常图M;该图像缺陷检测方法不仅能检测结构缺陷,还能检测逻辑缺陷,并获得更好的检测结果。
技术关键词
图像缺陷检测方法
分支
蒸馏
瓶颈结构
输出特征
网络
教师
输入模块
学生
融合原始图像
全局特征融合
融合特征
多尺度特征
图像处理技术
模型更新
检测结构
像素
上采样
标签
系统为您推荐了相关专利信息
无人机遥感影像
注意力机制
残差结构
批量
语义特征
重识别方法
特征金字塔
混合损失函数
多尺度特征
动态
污水处理设备
水质
氨氮
BP神经网络
梯度提升树
混沌神经网络
工业缺陷检测
耦合映射格子
高维混沌系统
数据挖掘算法
摩擦搅拌焊
缺陷检测方法
蒸馏
工艺参数动态
焊缝缺陷检测