分类模型训练方法、瑕疵检测方法、装置和电子设备.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113723527A(43)申请公布日2021.11.30(21)申请号202111019096.2G06T7/00(2017.01)(22)申请日2021.09.01(71)申请人重庆赛迪奇智人工智能科技有限公司地址400000重庆市九龙坡区火炬大道69号重庆启迪科技园9号楼三层306(72)发明人雷翔张发恩刘金露秦永强(74)专利代理机构北京超凡宏宇专利代理事务所(特殊普通合伙)11463代理人唐正瑜(51)Int.Cl.G06K9/62(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)G06T5/00(2006.01)权利要求书2页说明书10页附图3页(54)发明名称分类模型训练方法、瑕疵检测方法、装置和电子设备(57)摘要本申请提供了一种分类模型训练方法、瑕疵检测方法、装置和电子设备，其中，该分类模型训练方法包括：使用第一训练集，对初始提取模型进行训练，以得到目标提取模型；使用该目标提取模型提取第二训练集中的各张瑕疵图片进行特征提取，以得到瑕疵特征集；使用该瑕疵特征集，对初始分类模型进行训练，以得到目标分类模型。CN113723527ACN113723527A权利要求书1/2页1.一种分类模型训练方法，其特征在于，包括：使用第一训练集，对初始提取模型进行训练，以得到目标提取模型；使用所述目标提取模型提取第二训练集中的各张瑕疵图片进行特征提取，以得到瑕疵特征集；使用所述瑕疵特征集，对初始分类模型进行训练，以得到目标分类模型。2.根据权利要求1所述的方法，其特征在于，所述使用第一训练集，对初始提取模型进行训练，以得到目标提取模型，包括：将所述第一训练集输入当前提取模型，以得到各张训练图的图片特征，所述当前提取模型为初始提取模型，或所述当前提取模型为对所述初始提取模型的参数进行更新后的提取模型；根据所述各张训练图的图片特征，计算各张训练图之间的相似度；根据所述各张训练图之间的相似度，确定出所述当前提取模型的损失值；若所述损失值大于预设值，调整所述当前提取模型的参数，以得到更新后的当前提取模型；若所述损失值不大于预设值，当前提取模型作为目标提取模型。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：对采样得到的样本图片集进行增强处理，得到所述第一训练集。4.根据权利要求3所述的方法，其特征在于，所述对采样得到的样本图片集进行增强处理，得到所述第一训练集，包括：对采样得到的样本图片集中的样本图采用第一增强方式进行处理，得到第一类训练图集；对所述样本图片集中的样本图采用第二增强方式进行处理，得到第二类训练图集，所述第一增强方式与所述第二增强方式为不同的数据增强方式，所述第一训练集包括所述第一类训练图集和第二类训练图集。5.根据权利要求4所述的方法，其特征在于，所述对所述样本图片集中的样本图采用第二增强方式进行处理，得到第二类训练图集，包括：对所述样本图片集中的目标样本图采用第二增强方式进行处理，得到第二类训练图集，所述目标样本图为经过第一增强方式处理过的原始样本图，所述第二类训练图集中的任一训练图与所述第一类训练图集中的至少一张训练图为同一样本图增强处理得到。6.根据权利要求2所述的方法，其特征在于，所述根据所述各张训练图之间的相似度，确定出所述当前提取模型的损失值通过以下公式实现：其中，l(i,j)表示第i张训练图与第j张训练图之间的对比损失值；2N表示所述第一训练集中的训练图数量；si,j表示第i张训练图与第j张训练图之间的相似度；si,k表示第i张训练图与第k张训练图之间的相似度；Γ表示一常数；L表示所述当前提取模型的损失值。7.一种瑕疵检测方法，其特征在于，包括：2CN113723527A权利要求书2/2页将待检测图片输入权利要求1‑6任意一项所述分类模型训练方法训练得到的目标提取模型进行特征提取，以得到图片特征；将所述图片特征输入权利要求1‑6任意一项所述分类模型训练方法训练得到的目标分类模型进行分类，以确定所述待检测图片的检测结果。8.一种分类模型训练装置，其特征在于，包括：第一训练模块，用于使用第一训练集，对初始提取模型进行训练，以得到目标提取模型；第一提取模块，用于使用所述目标提取模型提取第二训练集中的各张瑕疵图片进行特征提取，以得到瑕疵特征集；第二训练模块，用于使用所述瑕疵特征集，对初始分类模型进行训练，以得到目标分类模型。9.一种瑕疵检测装置，其特征在于，包括：第二提取模块，用于将待检测图片输入权利要求1‑6任意一项所述分类模型训练方法训练得到的目标提取模型进行特征提取，以得到图片特征；检测模块，用于将所述图片特征输入权利要求1‑6任意一项所述分类模型训练方法训练得到的目标分类模型进行分类，