一种主动学习与深度学习相结合的铝材表面缺陷检测方法

摘要

本发明公开了一种主动学习与深度学习相结合的铝材表面缺陷检测方法，包括：通过随机调整图像饱和度、调整图像亮度、调整图像对比度、以及图像的随机旋转对训练集中的数据进行数据增强；采用Weighted‑Entropy评价标准进行主动学习，将待标注样本按照Weighted‑Entropy值以递增的顺序进行排序，选择出最高的K个样本进行标注，将其加入训练集中，作为训练样本；同时采用伪标注算法，将待标注样本按照Entropy(信息熵)以递增的顺序进行排序，选择出最低的H个样本，并利用模型的预测结果作为伪标注，将其作为下一次训练的额外的临时训练数据。采用SEResNet‑152神经网络结构，该神经网络结构以ResNet‑152网络模型为基础，在每个Residual模块之后加入了SE模块，用于计算特征图的通道与通道之间的权重比例关系。