一种基于深度学习与NCA融合的电子元器件识别方法
基本信息
| 申请号 | CN201911063380.2 | 申请日 | - |
| 公开（公告）号 | CN110991247A | 公开（公告）日 | 2020-04-10 |
| 申请公布号 | CN110991247A | 申请公布日 | 2020-04-10 |
| 分类号 | G06K9/00;G06K9/62 | 分类 | 计算；推算；计数; |
| 发明人 | 姚征远;刘海建 | 申请（专利权）人 | 厦门思泰克智能科技股份有限公司 |
| 代理机构 | 厦门佰业知识产权代理事务所（普通合伙） | 代理人 | 厦门思泰克智能科技股份有限公司 |
| 地址 | 361000 福建省厦门市火炬高新区（翔安）产业区同龙二路583号101单元 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于深度学习与NCA融合的电子元器件识别方法，该方法包括三个部分:(1)图像的预处理，样本均衡；(2)用卷积神经网络对含有分类标签的图像进行训练；(3)用卷积神经网络提取特征并使用NCA降维，再对降维后的特征进行预测,该方法使用深度学习模型完成真正意义上的端到端系统级电子元器件识别,针对每个类别的重新加权方案，能够快速提高精度,并用1*1的卷积核，fire module,减少通道数量等方式压缩深度学习模型参数量，同时使用NCA降维技术减少参数量，在加快模型推理时间的同时，保障工业级应用水准，实现快速高效的图像识别任务。 |
