一种基于广义类别发现的表面缺陷分类方法

本发明公开了一种基于广义类别发现的表面缺陷分类方法。本发明首先将将整个图像数据集划分为两部分，一部分为包含已知类型的有标签数据集，另一部分为无标签数据集；其次构建缺陷分类网络模型并通过集合类别感知对比学习与类别空间收缩策略构建复合损失函数来指导模型的训练过程；然后得到总损失后，反向传播计算网络模型权重参数；最后将训练好的模型应用于无标签缺陷数据集上，测试模型的分类准确性和泛化能力。本发明不仅能够有效利用有限的标注数据，提高模型性能，还解决了半监学习中无法有效处理标未标记训练数据中未包含标记数据没有的类别的限制，在少量标签数据的情况下有着优秀的精度，非常适合实际工业表面缺陷检测应用场景。