[發(fā)明專利]基于PGGAN遷移學(xué)習(xí)的排水管道缺陷檢測(cè)訓(xùn)練數(shù)據(jù)生成方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910868563.5
• 申請(qǐng)日: 2019-09-16
• 公開（公告）號(hào): CN110598792B
• 公開（公告）日: 2022-10-14
• 發(fā)明（設(shè)計(jì)）人: 鐘尚平;陳守龍;陳開志;陳雨寒
• 申請(qǐng)（專利權(quán)）人: 福州大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62
• 代理公司: 福州元?jiǎng)?chuàng)專利商標(biāo)代理有限公司 35100
• 代理人: 陳明鑫;蔡學(xué)俊

本發(fā)明涉及一種基于PGGAN遷移學(xué)習(xí)的排水管道缺陷檢測(cè)訓(xùn)練數(shù)據(jù)生成方法，考慮通過生成對(duì)抗網(wǎng)絡(luò)生成排水管道缺陷檢測(cè)訓(xùn)練數(shù)據(jù)，需要大規(guī)模的數(shù)據(jù)集訓(xùn)練，現(xiàn)有的數(shù)據(jù)集不滿足要求。為了能夠減少訓(xùn)練集數(shù)據(jù)量，在現(xiàn)有的數(shù)據(jù)集上訓(xùn)練生成對(duì)抗網(wǎng)絡(luò)，本發(fā)明在漸進(jìn)式生成對(duì)抗網(wǎng)絡(luò)中引入遷移學(xué)習(xí)，充分利用已有的數(shù)據(jù)先進(jìn)行預(yù)訓(xùn)練，再在目標(biāo)缺陷類數(shù)據(jù)上進(jìn)行微調(diào)。微調(diào)后的模型可以生成質(zhì)量更好的排水管道缺陷檢測(cè)訓(xùn)練數(shù)據(jù)。

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于PGGAN遷移學(xué)習(xí)的排水管道缺陷檢測(cè)訓(xùn)練數(shù)據(jù)生成方法。

背景技術(shù)

現(xiàn)有技術(shù)中未有針對(duì)排水管道缺陷檢測(cè)訓(xùn)練數(shù)據(jù)，不會(huì)涉及排水管道每種缺陷數(shù)量參差不齊，即類不平衡的問題。另一方面，傳統(tǒng)的數(shù)據(jù)訓(xùn)練通常需要進(jìn)行訓(xùn)練生成的原因是——原有訓(xùn)練集數(shù)量不足，這與生成網(wǎng)絡(luò)需要大規(guī)模的數(shù)據(jù)集訓(xùn)練相矛盾，用不足的數(shù)據(jù)集訓(xùn)練生成網(wǎng)絡(luò)，只能生成質(zhì)量比較差的數(shù)據(jù)集，不適合作為訓(xùn)練集。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明的目的在于提供一種基于PGGAN遷移學(xué)習(xí)的排水管道缺陷檢測(cè)訓(xùn)練數(shù)據(jù)生成方法，能夠在現(xiàn)有的數(shù)據(jù)集上訓(xùn)練生成對(duì)抗網(wǎng)絡(luò)。

為實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：

一種基于PGGAN遷移學(xué)習(xí)的排水管道缺陷檢測(cè)訓(xùn)練數(shù)據(jù)生成方法，包括以下步驟：

步驟S1:從歷史檢測(cè)報(bào)告及管道機(jī)器人拍攝的視頻中抽取視頻幀形成圖像集，根據(jù)檢測(cè)報(bào)告對(duì)圖像集進(jìn)行預(yù)處理，并將其分為遠(yuǎn)近兩個(gè)大類，兩個(gè)大類分別獨(dú)立執(zhí)行后續(xù)步驟；

步驟S2:將步驟S1中得到的大類細(xì)分為多個(gè)缺陷類別，統(tǒng)計(jì)各個(gè)類別樣本數(shù)，將樣本數(shù)少于預(yù)設(shè)數(shù)量的類別數(shù)據(jù)作為目標(biāo)數(shù)據(jù)集B，其余類別作為源數(shù)據(jù)集C，并將目標(biāo)數(shù)據(jù)集按比例再分別訓(xùn)練集B1和測(cè)試集B2；

步驟S3:將源數(shù)據(jù)集C和訓(xùn)練集B1分別處理成多尺度源數(shù)據(jù)集C’和多尺度訓(xùn)練集B1’；

步驟S4:根據(jù)得到的多尺度源數(shù)據(jù)集C’訓(xùn)練PGGAN，訓(xùn)練結(jié)束，得到預(yù)訓(xùn)練生成模型M1；

步驟S5:根據(jù)多尺度訓(xùn)練集B1’微調(diào)預(yù)訓(xùn)練模型M1，訓(xùn)練結(jié)束，得到訓(xùn)練模型M2；

步驟S6:根據(jù)得到的訓(xùn)練模型M2，輸入不同的隨機(jī)噪聲，生成數(shù)據(jù)作為最終訓(xùn)練集D；

步驟S7:根據(jù)最終訓(xùn)練集D訓(xùn)練分類器，并使用測(cè)試集B2測(cè)試分類器；，訓(xùn)練完成的分類器將用于排水管道缺陷檢測(cè)，對(duì)待測(cè)排水管道圖片進(jìn)行分類。

進(jìn)一步的，所述步驟S1具體為：

步驟S11:從歷史檢測(cè)報(bào)告及管道機(jī)器人拍攝的視頻中抽取視頻幀形成圖像集；

步驟S12:將圖片集中圖片等比例縮放至短邊長為2^S，S取值為7～9；

步驟S13:對(duì)縮放后的圖片隨機(jī)裁剪出2^m×2^m的子圖，m取值為7～9；

步驟S14:按景別將所有子圖分為遠(yuǎn)近兩大類，即若圖片中有管道的輪廓，則為遠(yuǎn)景；若圖片中只有管壁的特寫，則為近景。

進(jìn)一步的，所述缺陷類別包括變形、殘墻、壩根、沉積、錯(cuò)口、浮渣、腐蝕、接口材料脫落、結(jié)垢、破裂、起伏、滲漏、樹根、脫節(jié)、異物穿入、障礙物、正常和支管暗接。

進(jìn)一步的，所述步驟S3具體為：

步驟S31：對(duì)于分辨率為2^m×2^m的子圖片，取P＝2，3，……，m，分別將2^m×2^m的圖片縮放為2^P×2^P的多尺度圖片；

步驟S32：縮放后的圖片，按分辨率劃分，保持原有子類不變，得到多尺度數(shù)據(jù)集。