本發明公開了一種基于蒸餾學習機制的瑕疵檢測裝置、方法、存儲介質,本發明根據設計構建老師模型和學生模型,其結構上保持一致,但老師模型的網絡層復雜度大于學生模型,然后通過在中間層添加特征信息嫁接模塊加快學生模型的學習進度和檢測精度,最后使用損失函數計算損失值優化模型參數。所述的特征信息嫁接模塊通過計算出老師模型與學生模型之間特征信息差異值,選擇是否將計算出的融合特征信息嫁接到學生模型中,從而提高學生模型對老師模型的模仿能力。本發明通過利用蒸餾學習機制搭建出老師模型和學生模型,然后在雙支網絡中間層中引入了特征信息嫁接模塊,優化學生模型的表達能力,加速學生模型的學習過程,提高學生模型的檢測精度。
聲明:
“基于蒸餾學習機制的瑕疵檢測裝置、方法、存儲介質” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)