买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉杭州驰珀智能科技有限公司申请的专利基于样本特征分布图的机器视觉深度学习模型训练方法、电子设备及存储介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120071050B 。

龙图腾网通过国家知识产权局官网在2026-02-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510541500.4，技术领域涉及：G06V10/774；该发明授权基于样本特征分布图的机器视觉深度学习模型训练方法、电子设备及存储介质是由王旭龙琦;金秉文;贾士绅;王佩君设计研发完成，并于2025-04-28向国家知识产权局提交的专利申请。

本基于样本特征分布图的机器视觉深度学习模型训练方法、电子设备及存储介质在说明书摘要公布了：本发明公开基于样本特征分布图的机器视觉深度学习模型训练方法、电子设备及存储介质。所述机器视觉深度学习模型训练方法包括：步骤S1，获取关于材料表面缺陷的样本集和基于所述样本集训练得到的机器视觉深度学习模型；步骤S2，由所述机器视觉深度学习模型检验所述样本集并且根据检验到的特征信息结果建立样本特征空间分布图；步骤S3，基于所述样本特征空间分布图的可视化特性，定位到问题的所述样本特征并且对其进行修正，得到修正后的所述样本集；以及，步骤S4，基于修正后的所述样本集，重新训练所述机器视觉深度学习模型。本发明的有益效果在于：提高所述机器视觉深度学习模型的推理效果。

本发明授权基于样本特征分布图的机器视觉深度学习模型训练方法、电子设备及存储介质在权利要求书中公布了：1.基于样本特征分布图的机器视觉深度学习模型训练方法，其特征在于，包括： 步骤S1，获取关于材料表面缺陷的样本集和基于所述样本集训练得到的机器视觉深度学习模型，其中，所述材料表面缺陷是膜材表面缺陷样本、板材表面缺陷样本或者片材表面缺陷样本，所述样本集包括：样本特征，所述样本特征的特征类别是由用户确定，其中，所述样本特征包括：项目启动阶段的原始样本特征和项目迭代阶段的新增样本特征； 步骤S2，由所述机器视觉深度学习模型检验所述样本集并且根据检验到的特征信息结果建立样本特征空间分布图：所述样本特征在所述样本特征空间分布图的分布点样式是根据用户确定的特征类别进行确定，所述样本特征在所述样本特征空间分布图中的分布点位置是通过应用流形降维技术将所述样本特征从高维空间映射到低维空间进行确定； 步骤S3，基于所述样本特征空间分布图的可视化特性，定位到问题的所述样本特征并且对其进行修正，得到修正后的所述样本集；以及， 步骤S4，基于修正后的所述样本集，重新训练所述机器视觉深度学习模型； 步骤S3中，所述样本特征空间分布图中，若存在部分样本特征落在其他特征类别的界定区域，则确定所述机器视觉深度学习模型与所述用户中的错误者并且对该错误者进行修正：若该错误者是用户，则将该部分样本特征的特征类别修正为所述机器视觉深度学习模型确定的特征类别；若该错误者是所述机器视觉深度学习模型，则调整所述机器视觉深度学习模型关于该部分样本特征的确定标准； 步骤S3中，所述样本特征空间分布图中，若存在两个特征类别的界定区域范围重合或者相近，则将两个特征类别的界定区域内部的所有样本特征的特征类别修正为同一个特征类别； 步骤S3中，所述样本特征空间分布图中，若存在部分样本特征远离所有特征类别的界定区域，则将该部分样本特征的特征类别修正为新增特征类别；若新增特征类别的样本特征数量过少，则适当扩充其数量； 步骤S2中，所述机器视觉深度学习模型漏检的所述样本特征在所述样本特征空间分布图的分布点位置是根据所述机器视觉深度学习模型未漏检的相同特征类别的所述样本特征所在的界定区域进行确定，并且将漏检的所述样本特征与未漏检的所述样本特征的分布点样式作区别化处理； 步骤S3中，所述样本特征空间分布图中，若存在部分样本特征的分布点样式被区别化处理，则核查该部分样本特征的漏检原因或者调整所述机器视觉深度学习模型关于该部分样本特征的标记标准。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人杭州驰珀智能科技有限公司，其通讯地址为：311121 浙江省杭州市余杭区仓前街道爱力中心2幢14层；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。