丰满美女裸体视频一区二区三区|无码 视频 一区|亚洲无码毛片一区二区|秋霞自慰人妻久久久久经典|无码在线观看无播放器|熟女综合一区二区三区|青青操逼一级视频三级精品|国产露出视频在线|av无码免费一区二区三|激情视频在线导航

專利類型：

發(fā)明授權(quán)

申請(專利)號：

CN202210459349.6

申請日：

2022-04-27

授權(quán)公告號：

CN114943689B

授權(quán)公告日：

2025-04-08

申請人：

河鋼數(shù)字技術(shù)股份有限公司; 山東大學; 青島海爾智能技術(shù)研發(fā)有限公司

地址：

050000 河北省石家莊市高新區(qū)黃河大道136號科技中心1號樓

發(fā)明人：

李毅仁; 聶禮強; 申培; 吳建龍; 郝亮; 丁沐河; 李玉濤; 李華剛

專輯：

信息科技

專題：

計算機軟件及計算機應用

主分類號：

G06T7/00

分類號：

G06T7/00;G06V10/25;G06V10/44;G06V10/52;G06V10/80;G06V10/774;G06V10/764;G06V10/82;G06N3/0464;G06N3/084

國省代碼：

13

頁數(shù)：

10

代理機構(gòu)：

石家莊知住優(yōu)創(chuàng)知識產(chǎn)權(quán)代理事務所(普通合伙)

代理人：

王麗巧

主權(quán)項：

1.一種基于半監(jiān)督學習的鋼鐵冷軋退火爐元器件檢測方法,其特征在于：所述檢測方法包括以下步驟：S1：數(shù)據(jù)預處理,使用標注工具對少量訓練數(shù)據(jù)進行人為標注,構(gòu)建退火爐元器件數(shù)據(jù)集,并對其進行數(shù)據(jù)擴充和增強；S2：提取包含圖片不同尺度的特征圖,使用ResNet50網(wǎng)絡的前五個卷積網(wǎng)絡進行特征提取,之后在若干卷積網(wǎng)絡之間構(gòu)建特征金字塔網(wǎng)絡,捕捉不同尺度的特征：S3：將特征金字塔網(wǎng)絡中的特征圖輸入至區(qū)域生成網(wǎng)絡,生成基于不同尺度特征圖的候選區(qū)域框,再將不同尺度的特征圖對應的候選區(qū)域進行拼接,傳入后續(xù)網(wǎng)絡；S4：構(gòu)建特征金字塔網(wǎng)絡,將候選區(qū)域框進行不同尺度的Roi Pooling,之后再將特征圖進行拼接,輸入全連接層,預測得到目標類別,以及回歸目標邊界框的位置；S5：教師模型訓練階段：采用半監(jiān)督學習方法,訓練Faster R-CNN目標檢測模型,首先采用少量有標注的樣本訓練模型,此模型稱為教師模型；S6：教師學生模型相互學習階段,固定教師模型參數(shù),訓練學生模型；對于無標簽數(shù)據(jù),一方面通過弱增強之后輸入教師模型,產(chǎn)生偽標簽,另一方面通過強增強之后輸入學生模型,輸出標簽,再與教師模型的偽標簽進行損失函數(shù)計算,再反向傳播更新學生模型,將無標簽數(shù)據(jù)訓練的學生模型通過EMA算法對教師模型進行優(yōu)化,得到最終的網(wǎng)絡模型；S7：部署模型對鋼鐵冷軋退火爐元器件進行自動檢測,得到類別和位置坐標。

摘要：

本發(fā)明公開了一種基于半監(jiān)督學習的鋼鐵冷軋退火爐元器件檢測方法,涉及工業(yè)生產(chǎn)技術(shù)領域。采用高精度的FasterR-CNN檢測模型,主干網(wǎng)絡采用ResNet50網(wǎng)絡,并加入特征金字塔來捕捉不同尺度的特征信息,提高了檢測的準確率。本發(fā)明針對煉鋼設備標注人力物力成本過大的問題和半監(jiān)督學習時元器件的類別不平衡導致預測有偏差的問題,采用了半監(jiān)督學習目標檢測方法—無偏教師方法,先用有標注的數(shù)據(jù)單獨訓練教師模型,之后教師生成偽標簽來訓練學生模型,學生模型通過EMA算法來逐步更新教師模型。通過半監(jiān)督學習無偏教師目標檢測方法,實現(xiàn)了在僅有少量標注數(shù)據(jù)訓練情況下,對鋼鐵冷軋退火爐元器件進行精準檢測。