申请/专利权人：腾讯科技(深圳)有限公司

申请日：2020-08-07

公开（公告）日：2024-03-22

公开（公告）号：CN111754513B

主分类号：G06T7/00

分类号：G06T7/00;G06T7/12;G06T9/00;G06T3/4038

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2022.10.11#实质审查的生效;2020.10.09#公开

摘要：本申请公开了一种基于孪生对比学习的产品表面缺陷分割方法，该方法对参考图和缺陷图的编码特征做显式排序学习，以自动聚焦缺陷部位，同时对参考图和缺陷图的解码特征做隐式的对比学习，以精细预测缺陷掩码。在应用阶段，获取产品的参考图及待测图；基于参考图及待测图，使用孪生编码网络获取参考图及其待测图的编码特征图；基于参考图及待测图的编码特征图，应用孪生解码网络获取参考图及待测图的解码特征图；对参考图和待测图的解码特征图进行特征融合，生成对比特征图；基于对比特征图，使用卷积获取待测图的分割掩码。本申请还提供了缺陷分割模型学习方法及装置，实现对产品表面缺陷在像素层级上的掩码预测，很大程度上满足高阶的应用需求。

主权项：1.一种缺陷分割模型学习方法，其特征在于，包括：获取待训练产品所对应的参考图像以及缺陷图像；基于所述参考图像以及所述缺陷图像，通过待训练产品缺陷分割模型所包括的孪生编码网络，获取所述参考图像的参考图编码特征图集合以及所述缺陷图像的缺陷图编码特征图集合，其中，所述参考图编码特征图集合包括P个编码特征图，所述缺陷图编码特征图集合包括P个编码特征图，所述P为大于或等于1的整数；从所述参考图编码特征图集合中获取第一顶层编码特征图，其中，所述第一顶层编码特征图为所述参考图编码特征图集合中尺寸最小的编码特征图；从所述缺陷图编码特征图集合中获取第二顶层编码特征图，其中，所述第二顶层编码特征图为所述缺陷图编码特征图集合中尺寸最小的编码特征图；对所述第一顶层编码特征图进行全局平均池化处理，得到第一图像特征；对所述第二顶层编码特征图进行全局平均池化处理，得到第二图像特征；基于所述参考图编码特征图集合以及所述缺陷图编码特征图集合，通过所述待训练产品缺陷分割模型所包括的孪生解码网络，获取所述参考图像的参考图解码特征图集合以及所述缺陷图像的缺陷图解码特征图集合，其中，所述参考图解码特征图集合包括P个解码特征图，所述缺陷图解码特征图集合包括P个解码特征图；根据所述参考图解码特征图集合以及所述缺陷图解码特征图集合，生成对比特征图；基于所述对比特征图，通过所述待训练产品缺陷分割模型所包括的卷积层获取所述待训练产品所对应的分割掩码图像；根据所述分割掩码图像以及所述参考图像，采用第一损失函数获取第一损失值；根据所述第一图像特征以及所述第二图像特征，采用第二损失函数获取第二损失值；根据所述第一图像特征以及所述第二图像特征，采用第三损失函数获取第三损失值；根据所述第一损失值、所述第二损失值以及所述第三损失值，对所述待训练产品缺陷分割模型的模型参数进行更新，直至满足模型训练条件，输出产品缺陷分割模型。

全文数据：

权利要求：

百度查询： 腾讯科技(深圳)有限公司 产品表面缺陷分割方法、缺陷分割模型学习方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD