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(qǐng)(專利)號(hào)：

CN202210459349.6

申請(qǐng)日：

2022-04-27

授權(quán)公告號(hào)：

CN114943689B

授權(quán)公告日：

2025-04-08

申請(qǐng)人：

河鋼數(shù)字技術(shù)股份有限公司; 山東大學(xué); 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(hào)科技中心1號(hào)樓

發(fā)明人：

李毅仁; 聶禮強(qiáng); 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(jì)算機(jī)軟件及計(jì)算機(jī)應(yīng)用

主分類號(hào)：

G06T7/00

分類號(hào)：

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

國(guó)省代碼：

13

頁(yè)數(shù)：

10

代理機(jī)構(gòu)：

石家莊知住優(yōu)創(chuàng)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙)

代理人：

王麗巧

主權(quán)項(xiàng)：

1.一種基于半監(jiān)督學(xué)習(xí)的鋼鐵冷軋退火爐元器件檢測(cè)方法,其特征在于：所述檢測(cè)方法包括以下步驟：S1：數(shù)據(jù)預(yù)處理,使用標(biāo)注工具對(duì)少量訓(xùn)練數(shù)據(jù)進(jìn)行人為標(biāo)注,構(gòu)建退火爐元器件數(shù)據(jù)集,并對(duì)其進(jìn)行數(shù)據(jù)擴(kuò)充和增強(qiáng)；S2：提取包含圖片不同尺度的特征圖,使用ResNet50網(wǎng)絡(luò)的前五個(gè)卷積網(wǎng)絡(luò)進(jìn)行特征提取,之后在若干卷積網(wǎng)絡(luò)之間構(gòu)建特征金字塔網(wǎng)絡(luò),捕捉不同尺度的特征：S3：將特征金字塔網(wǎng)絡(luò)中的特征圖輸入至區(qū)域生成網(wǎng)絡(luò),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(duì)應(yīng)的候選區(qū)域進(jìn)行拼接,傳入后續(xù)網(wǎng)絡(luò)；S4：構(gòu)建特征金字塔網(wǎng)絡(luò),將候選區(qū)域框進(jìn)行不同尺度的Roi Pooling,之后再將特征圖進(jìn)行拼接,輸入全連接層,預(yù)測(cè)得到目標(biāo)類別,以及回歸目標(biāo)邊界框的位置；S5：教師模型訓(xùn)練階段：采用半監(jiān)督學(xué)習(xí)方法,訓(xùn)練Faster R-CNN目標(biāo)檢測(cè)模型,首先采用少量有標(biāo)注的樣本訓(xùn)練模型,此模型稱為教師模型；S6：教師學(xué)生模型相互學(xué)習(xí)階段,固定教師模型參數(shù),訓(xùn)練學(xué)生模型；對(duì)于無(wú)標(biāo)簽數(shù)據(jù),一方面通過(guò)弱增強(qiáng)之后輸入教師模型,產(chǎn)生偽標(biāo)簽,另一方面通過(guò)強(qiáng)增強(qiáng)之后輸入學(xué)生模型,輸出標(biāo)簽,再與教師模型的偽標(biāo)簽進(jìn)行損失函數(shù)計(jì)算,再反向傳播更新學(xué)生模型,將無(wú)標(biāo)簽數(shù)據(jù)訓(xùn)練的學(xué)生模型通過(guò)EMA算法對(duì)教師模型進(jìn)行優(yōu)化,得到最終的網(wǎng)絡(luò)模型；S7：部署模型對(duì)鋼鐵冷軋退火爐元器件進(jìn)行自動(dòng)檢測(cè),得到類別和位置坐標(biāo)。

摘要：

本發(fā)明公開(kāi)了一種基于半監(jiān)督學(xué)習(xí)的鋼鐵冷軋退火爐元器件檢測(cè)方法,涉及工業(yè)生產(chǎn)技術(shù)領(lǐng)域。采用高精度的FasterR-CNN檢測(cè)模型,主干網(wǎng)絡(luò)采用ResNet50網(wǎng)絡(luò),并加入特征金字塔來(lái)捕捉不同尺度的特征信息,提高了檢測(cè)的準(zhǔn)確率。本發(fā)明針對(duì)煉鋼設(shè)備標(biāo)注人力物力成本過(guò)大的問(wèn)題和半監(jiān)督學(xué)習(xí)時(shí)元器件的類別不平衡導(dǎo)致預(yù)測(cè)有偏差的問(wèn)題,采用了半監(jiān)督學(xué)習(xí)目標(biāo)檢測(cè)方法—無(wú)偏教師方法,先用有標(biāo)注的數(shù)據(jù)單獨(dú)訓(xùn)練教師模型,之后教師生成偽標(biāo)簽來(lái)訓(xùn)練學(xué)生模型,學(xué)生模型通過(guò)EMA算法來(lái)逐步更新教師模型。通過(guò)半監(jiān)督學(xué)習(xí)無(wú)偏教師目標(biāo)檢測(cè)方法,實(shí)現(xiàn)了在僅有少量標(biāo)注數(shù)據(jù)訓(xùn)練情況下,對(duì)鋼鐵冷軋退火爐元器件進(jìn)行精準(zhǔn)檢測(cè)。