《Defects Detection Based on Deep Learning and Transfer Learning》-- 阅读笔记论文信息整体思路：具体训练过程实验结果
论文信息整体思路：·无监督学习 根据源域样本特征对其进行训练，以便根据源域样本获得网络的权重。然后，将源域DBN的结构和参数转移到目标域， 并使用目标域样本对网络参数进行微调，以获取目标域训练样本与无缺陷模板之间的映射关系。最后，通过与重建图像进行比较来检测测试样品的缺陷。优点：通过参数传递学习解决DBN网络训练中的过拟合问题。通过迁移学习，可以解决样本不够的问题，并且可以通过两种样本相互交叉传递，微调，不断提高准确率。缺点：能检测相同位置的产品缺陷，而没有平移和旋转不变性。·DBN
