[发明专利]一种基于模型迁移的工业数据分类方法有效
| 申请号： | 201910744936.8 | 申请日： | 2019-08-13 |
| 公开（公告）号： | CN110555467B | 公开（公告）日： | 2020-10-23 |
| 发明（设计）人： | 张发恩;袁智超;孙天齐;陆强 | 申请（专利权）人： | 深圳创新奇智科技有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 广州鼎贤知识产权代理有限公司 44502 | 代理人： | 丁雨燕 |
| 地址： | 518054 广东省深圳市南山区*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于模型迁移的工业数据分类方法，步骤为：分别收集源域数据和目标域数据；对源域数据进行数据增强；构建具有残差结构的卷积神经网络；建立损失函数，以最小化跨域的学习特征协方差的差异，在特征层面通过对齐源域数据和目标域数据分布的二阶统计量来最小化域位移；对模型进行训练和预测。本方法实现了在目标数据很少、数据难获取的情况下使用其它相似数据进行学习进行特征迁移进而对目标域进行分类，具有较高的应用价值。 | ||
| 搜索关键词： | 一种 基于 模型 迁移 工业 数据 分类 方法 | ||
【主权项】：
1.一种基于模型迁移的工业数据分类方法，其特征在于：包括如下步骤：/n步骤A：收集工业界中不同种类产品的大量焊接缺陷数据集A作为源域数据集，并将他们按焊接缺陷种类分好放入不同文件夹并编号；/n步骤B：收集少量待检测产品(几百张)的待分类缺陷数据，作为目标域数据；/n步骤C：对源域数据进行数据增强，扩增训练集，增加数据特征密度，避免出现过拟合；/n步骤D：构建具有残差结构的卷积神经网络；/n步骤E：建立损失函数，以最小化跨域的学习特征协方差的差异，在特征层面通过对齐源域数据和目标域数据分布的二阶统计量来最小化域位移；/n步骤F：对模型进行训练；/n步骤G：对模型进行预测。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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深圳创新奇智科技有限公司，未经深圳创新奇智科技有限公司许可，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/patent/201910744936.8/，转载请声明来源钻瓜专利网。
