摘要
本发明提供了一种弱监督渐进式多层次柔性电路板配准模型及方法,模型包括特征提取模块、全局粗匹配模块、局部细匹配模块和上采样模块;特征提取模块提取图像中的高分辨率特征和低分辨率特征;全局粗匹配模块对图A和图B的低分辨率特征进行粗匹配;上采样模块对全局粗匹配模块输出的变形场和置信度进行尺度扩大;局部细匹配模块对图A和图B的高分辨率特征进行局部匹配。本发明采用深度学习技术,通过神经网络模型提取图像特征,采用多层次渐进式学习方法,输出不同分辨率下图像与基准图像之间的变形场,采用弱监督学习方法,将人工标注的训练样本和无人工标注的训练样本一块用于训练,提升模型的鲁棒性的同时,降低人工制作样本的投入。
技术关键词
匹配模块
柔性电路板
特征提取模块
多层次
配准方法
细粒度特征
采样模块
嵌入特征
弱监督学习方法
建立神经网络模型
残差模块
上采样
深度学习技术
特征提取网络
坐标
解码
图像
观测噪声
编码
系统为您推荐了相关专利信息
支持向量机模型
分析方法
动态
分解特征
贝叶斯网络推理
展示平台
梅尔频率倒谱系数
偏好特征
分析模块
指令
特征提取模块
注意力
语义向量
非暂态计算机可读存储介质
文本
树种识别方法
支持向量机分类器
状态空间模型
图像
描述符
微多普勒
手势识别方法
手势识别模型
特征提取模块
图像