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！

申请/专利权人：江西锦路科技开发有限公司

摘要：本发明提供一种少样本条件下的设备缺陷检测方法，具体包括以下步骤：构建图像数据集，将图像数据集划分为少样本分类标注数据集和自监督对比学习未标注数据集；构建并训练多任务检测模型；其中，多任务检测模型包括自监督对比学习模型和少样本分类模型，自监督对比学习模型和少样本分类模型共用特征提取器；自监督对比学习模型利用自监督对比学习未标注数据集完成特征提取器训练，少样本分类模型利用训练后的特征提取器对少样本分类标注数据集进行特征提取，并利用提取到的图像特征图完成少样本分类模型中的嵌入模块的训练。本发明融合了多种模型，减少了训练时对标注样本的依赖，提高了少样本类别的预测精度。

主权项：1.一种少样本条件下的设备缺陷检测方法，其特征在于，具体包括以下步骤：构建图像数据集D，将图像数据集D划分为少样本分类标注数据集D1和自监督对比学习未标注数据集D2；构建并训练多任务检测模型；其中，多任务检测模型包括自监督对比学习模型和少样本分类模型，自监督对比学习模型和少样本分类模型共用特征提取器；自监督对比学习模型利用自监督对比学习未标注数据集D2完成特征提取器训练，少样本分类模型利用训练后的特征提取器对少样本分类标注数据集D1进行特征提取，并利用提取到的图像特征图完成少样本分类模型中的嵌入模块的训练以及特征提取器的微调；将训练完成的多任务检测模型用于对输电设备图像进行检测；其中，所述自监督对比学习模型利用自监督对比学习未标注数据集D2完成特征提取器训练具体包括：将同一训练批次中归属于自监督对比学习未标注数据集D2的图像样本输入到预训练后的MASKR-CNN网络；MASKR-CNN网络使用骨干网络提取得到各个图像样本的图像特征图；对图像样本的图像特征图进行激活操作，得到图像样本的前景激活图和背景激活图；基于前景激活图、背景激活图和图像特征图，将图像样本的图像特征图分解为前景特征表示和背景特征表示；将任意两个前景特征表示或两个背景特征表示构成一个正对，一个前景特征表示和一个背景特征表示构成一个负对；利用特征相似度对正对进行排序，基于排序顺序值给正对分配权重，以减少低相似度正对的干扰；设计对比学习损失函数，用于将正对的表征拉进，将负对的表征拉开；计算对比学习损失，反向传播更新MASKR-CNN网络的参数。

全文数据：

权利要求：

百度查询： 江西锦路科技开发有限公司 一种少样本条件下的设备缺陷检测方法