摘要
本发明涉及一种基于动态蒸馏与深度可分离卷积的芯片缺陷轻量化检测方法、系统、设备以及介质,其方法包括:构建多尺度温度蒸馏框架,以教师模型输出的特征金字塔为基准,调节教师模型与学生模型之间的知识迁移粒度;引入可变形特征对齐模块,通过可学习偏移参量校正教师模型与学生模型间的几何形变特征偏移,并筛选目标特征通道;通过嵌入深度可分离卷积重构学生模型的骨干网络,利用各卷积层通道重要性评估结果进行迭代剪枝压缩,生成轻量化推理模型;将预处理后的芯片图像输入轻量化推理模型中,输出检测结果。本发明通过知识迁移动态调节、特征形变自适应校正及硬件感知压缩的深度融合,提供了高精度、低延迟且易于部署的缺陷检测解决方案。
技术关键词
变形特征
对齐模块
教师
学生
特征金字塔
通道
蒸馏
芯片
动态校正
稀疏化特征提取
可配置逻辑块
裂纹缺陷
参数
指数
解码
卷积模块
重构
空间特征提取
融合特征
系统为您推荐了相关专利信息
稳定性预测方法
三角连接结构
三角形结构
床身
神经网络模型
轻量化方法
蒸馏
交互注意力
适配器
Softmax函数
检测点
生成导航路径
地图
多尺度特征
卷积神经网络模型