[发明专利]一种提高多类型图片深度学习模型训练效率的方法有效
| 申请号： | 202011482436.0 | 申请日： | 2020-12-16 |
| 公开（公告）号： | CN112634215B | 公开（公告）日： | 2022-06-07 |
| 发明（设计）人： | 李磊;孟德旭;靳璇;米琳 | 申请（专利权）人： | 华虹半导体（无锡）有限公司 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T5/00;G06T5/50;G06T7/10;G06N20/00 |
| 代理公司： | 上海浦一知识产权代理有限公司 31211 | 代理人： | 戴广志 |
| 地址： | 214028 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 提高 类型 图片 深度 学习 模型 训练 效率 方法 | ||
1.一种提高多类型图片深度学习模型训练效率的方法，其特征在于，至少包括：
步骤一、提供三张不同类型的图像，对该三张不同类型的图像进行尺寸变换；
步骤二、对经过尺寸变换后的三张不同类型的图像进行滤波去噪；
步骤三、对经过滤波去噪后的三张不同类型的图像进行裁剪；
步骤四、对经过裁剪的三张不同类型的图像进行图像组合，所述图像组合包括对该三张不同类型的图像进行三维堆叠。
2.根据权利要求1所述的提高多类型图片深度学习模型训练效率的方法，其特征在于：步骤一中的所述不同类型的图像包括：扫描电镜侧视图像、扫描电镜俯视图像、OM图像。
3.根据权利要求1所述的提高多类型图片深度学习模型训练效率的方法，其特征在于：步骤四中对该三张不同类型的图像进行三维堆叠后，所述图像组合的尺寸为3channel320*320。
4.根据权利要求1所述的提高多类型图片深度学习模型训练效率的方法，其特征在于：步骤四中对所述图像进行三维堆叠后使用3channel卷积核提取特征。
5.根据权利要求1所述的提高多类型图片深度学习模型训练效率的方法，其特征在于：该方法还包括有步骤五、模型构建和优化。
6.根据权利要求1所述的提高多类型图片深度学习模型训练效率的方法，其特征在于：该方法还包括有步骤六、缺陷模型测试。
7.根据权利要求5所述的提高多类型图片深度学习模型训练效率的方法，其特征在于：步骤五中的模型构建和优化至少包括：1、模型调整；2、拒绝模型。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于华虹半导体（无锡）有限公司，未经华虹半导体（无锡）有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202011482436.0/1.html，转载请声明来源钻瓜专利网。
- 上一篇：一种降低晶圆上形成凝结物的方法
- 下一篇：一种动态交通流量预测系统
