Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 阿里巴巴达摩院(杭州)科技有限公司陈炳辉获国家专利权

阿里巴巴达摩院(杭州)科技有限公司陈炳辉获国家专利权

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!

龙图腾网获悉阿里巴巴达摩院(杭州)科技有限公司申请的专利瑕疵检测模型训练方法、装置、设备和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:CN114862764B

龙图腾网通过国家知识产权局官网在2026-02-17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:202210383826.5,技术领域涉及:G06T7/00;该发明授权瑕疵检测模型训练方法、装置、设备和存储介质是由陈炳辉设计研发完成,并于2022-04-12向国家知识产权局提交的专利申请。

瑕疵检测模型训练方法、装置、设备和存储介质在说明书摘要公布了:本申请提供一种瑕疵检测模型训练方法、装置、设备和存储介质,该方法包括:获取有瑕疵标注信息的第一训练样本图像和无瑕疵标注信息的第二训练样本图像,将第一训练样本图像和第二训练样本图像分别输入作为学生模型的瑕疵检测模型中得到第一瑕疵检测结果和第二瑕疵检测结果,将第二训练样本图像输入到教师模型中得到指示了瑕疵位置和目标瑕疵类别的预测分数的第三瑕疵检测结果。若预测分数大于目标瑕疵类别的可信阈值,则确定第三瑕疵检测结果可信,将第三瑕疵检测结果作为第二训练样本图像的瑕疵标注信息。根据第一、第二训练样本图像各自的瑕疵检测结果和瑕疵标注信息训练瑕疵检测模型。以半监督训练方式得到性能良好的瑕疵检测模型。

本发明授权瑕疵检测模型训练方法、装置、设备和存储介质在权利要求书中公布了:1.一种瑕疵检测模型训练方法,其特征在于,包括: 获取第一训练样本图像和第二训练样本图像,所述第一训练样本图像是由均关联有瑕疵标注信息的多个训练样本图像构成的样本集中的任一个,所述瑕疵标注信息中包括瑕疵类别和瑕疵位置,所述第二训练样本图像未关联有瑕疵标注信息; 将所述第一训练样本图像和所述第二训练样本图像分别输入作为学生模型的瑕疵检测模型中,以得到所述第一训练样本图像的第一瑕疵检测结果和所述第二训练样本图像的第二瑕疵检测结果; 将所述第二训练样本图像输入到与所述学生模型对应的教师模型中,以得到所述第二训练样本图像的第三瑕疵检测结果,所述第三瑕疵检测结果指示了瑕疵位置和目标瑕疵类别的预测分数; 若所述预测分数大于设定的所述目标瑕疵类别对应的可信阈值,则根据所述目标瑕疵类别在所述第二训练样本图像中对应的瑕疵位置,从所述第二训练样本图像中截取出对应的第一瑕疵区域图像; 将所述第一瑕疵区域图像输入到预设的特征提取模型,以得到第一特征向量; 获取所述样本集中与所述目标瑕疵类别对应的至少一个训练样本图像; 根据所述目标瑕疵类别在所述至少一个训练样本图像中分别对应的瑕疵位置,分别从所述至少一个训练样本图像中截取出对应的至少一个第二瑕疵区域图像; 将所述至少一个第二瑕疵区域图像分别输入到所述特征提取模型,以得到至少一个第二特征向量; 根据所述至少一个第二特征向量确定目标第二特征向量; 若所述第一特征向量与所述目标第二特征向量的相似度大于设定阈值,则确定所述第三瑕疵检测结果可信; 将所述第三瑕疵检测结果中指示的瑕疵位置和目标瑕疵类别作为所述第二训练样本图像关联的瑕疵标注信息,以根据所述第一瑕疵检测结果、所述第二瑕疵检测结果、所述第一训练样本图像关联的瑕疵标注信息以及所述第二训练样本图像关联的瑕疵标注信息,训练所述瑕疵检测模型。

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阿里巴巴达摩院(杭州)科技有限公司,其通讯地址为:310023 浙江省杭州市余杭区五常街道文一西路969号3幢5层516室;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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。