一種基于深度學(xué)習(xí)與NCA融合的電子元器件識(shí)別方法

基本信息

申請(qǐng)?zhí)?/td> CN201911063380.2 申請(qǐng)日 -
公開(kāi)（公告）號(hào) CN110991247A 公開(kāi)（公告）日 2020-04-10
申請(qǐng)公布號(hào) CN110991247A 申請(qǐng)公布日 2020-04-10
分類號(hào) G06K9/00;G06K9/62 分類 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 姚征遠(yuǎn);劉海建 申請(qǐng)（專利權(quán)）人 廈門思泰克智能科技股份有限公司
代理機(jī)構(gòu) 廈門佰業(yè)知識(shí)產(chǎn)權(quán)代理事務(wù)所（普通合伙） 代理人 廈門思泰克智能科技股份有限公司
地址 361000 福建省廈門市火炬高新區(qū)（翔安）產(chǎn)業(yè)區(qū)同龍二路583號(hào)101單元
法律狀態(tài) -

摘要

摘要 本發(fā)明公開(kāi)了一種基于深度學(xué)習(xí)與NCA融合的電子元器件識(shí)別方法，該方法包括三個(gè)部分:(1)圖像的預(yù)處理，樣本均衡；(2)用卷積神經(jīng)網(wǎng)絡(luò)對(duì)含有分類標(biāo)簽的圖像進(jìn)行訓(xùn)練；(3)用卷積神經(jīng)網(wǎng)絡(luò)提取特征并使用NCA降維，再對(duì)降維后的特征進(jìn)行預(yù)測(cè),該方法使用深度學(xué)習(xí)模型完成真正意義上的端到端系統(tǒng)級(jí)電子元器件識(shí)別,針對(duì)每個(gè)類別的重新加權(quán)方案，能夠快速提高精度,并用1*1的卷積核，fire module,減少通道數(shù)量等方式壓縮深度學(xué)習(xí)模型參數(shù)量，同時(shí)使用NCA降維技術(shù)減少參數(shù)量，在加快模型推理時(shí)間的同時(shí)，保障工業(yè)級(jí)應(yīng)用水準(zhǔn)，實(shí)現(xiàn)快速高效的圖像識(shí)別任務(wù)。