一种用于铸件射线图像的自监督学习方法.pdfVIP

下载本文档

1
0
约8.59千字
约 7页
2023-10-04 发布于四川
举报
版权申诉

一种用于铸件射线图像的自监督学习方法.pdf

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本发明提供了一种用于铸件射线图像的自监督学习方法，其步骤为：步骤1.自监督学习任务所需的图像数据集的构建；步骤2：自监督模型训练；步骤3.网络应用。通过熵选择遮蔽策略与稀疏卷积预训练架构实现铸件射线图像的自监督预训练，克服传统方法不适用于卷积神经网络与忽略图像不同区域之间的信息密度差异的问题。相比于自然图像预训练与传统自监督学习方法，本发明在提升模型下游任务的精度方面具有更好的效果。在铸件缺陷检测领域中卷积神经网络仍然是主流方法，因此本发明更适用于铸件缺陷检测领域。

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 116843934 A (43)申请公布日 2023.10.03 (21)申请号 202310639356.9 G06N 3/0464 (2023.01)