[發明專利]模型訓練方法與電子裝置

在審

• 申請號: 201911345060.6
• 申請日: 2019-12-24
• 公開（公告）號: CN113034424A
• 公開（公告）日: 2021-06-25
• 發明（設計）人: 劉一帆;曾柏諺
• 申請（專利權）人: 中強光電股份有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 永新專利商標代理有限公司 72002
• 代理人: 韓宏

模型訓練方法與電子裝置。所述方法包括：獲得第一圖像；遮蔽所述第一圖像中的至少一區域以獲得遮蔽后圖像；將所述遮蔽后圖像輸入至第一模型以獲得第一生成圖像；根據所述第一生成圖像與所述第一圖像訓練所述第一模型；根據所述第一生成圖像與所述第一圖像訓練所述第二模型；以及當訓練所述第一模型達到第一條件且訓練所述第二模型達到第二條件時，完成對所述第一模型的訓練。借由所述模型訓練方法與所述電子裝置，可以解決人工標記圖像所帶來的問題以及有效地避免引發模式崩潰的問題。

【技術領域】

本發明是有關于一種模型訓練方法與電子裝置。

【背景技術】

在自動光學檢查(AOI)領域中，若要使用機器學習或深度學習等方法，常需要使用已標記的圖像來對模型進行訓練。然而，模型的標記通常是由人工來進行，此情況會耗費大量的人力與時間，并且經由人工標記的圖像中可能會有特征漏標和標記錯誤的問題。而使用有問題的圖像來對模型進行訓練，往往會造成模型學習效果不佳的問題。

【發明內容】

本發明提供一種模型訓練方法與電子裝置，可以解決人工標記圖像所帶來的問題以及有效地避免引發模式崩潰的問題。

本發明的其他目的和優點可以從本發明所公開的技術特征中得到進一步的了解。

為達上述的一或部分或全部目的或是其他目的，本發明提出一種模型訓練方法，包括：獲得第一圖像；遮蔽所述第一圖像中的至少一區域以獲得遮蔽后圖像；將所述遮蔽后圖像輸入至第一模型以獲得第一生成圖像；根據所述第一生成圖像與所述第一圖像訓練所述第一模型；根據所述第一生成圖像與所述第一圖像訓練所述第二模型；以及當訓練所述第一模型達到第一條件且訓練所述第二模型達到第二條件時，完成對所述第一模型的訓練。

本發明提出一種電子裝置，包括：輸入電路與處理器。輸入電路用于獲得第一圖像。處理器耦接至所述輸入電路并用于執行下述操作：遮蔽所述第一圖像中的至少一區域以獲得遮蔽后圖像；所述遮蔽后圖像輸入至第一模型以獲得第一生成圖像；根據所述第一生成圖像與所述第一圖像訓練所述第一模型；根據所述第一生成圖像與所述第一圖像訓練所述第二模型；以及當訓練所述第一模型達到第一條件且訓練所述第二模型達到第二條件時，完成對所述第一模型的訓練。

基于上述，本發明的模型訓練方法與電子裝置可以自動地找出待測圖像中的特定區域且不需要人工手動地標記圖像中的特定區域(例如，瑕疵區域)來訓練模型，借此解決人工標記圖像所帶來的問題。

【附圖說明】

圖1是依照本發明的一實施例所繪示的電子裝置的示意圖。

圖2是依照本發明的一實施例所繪示的一種神經網絡模塊的示意圖。

圖3是依照本發明的一實施例所繪示的一種模型訓練方法的流程圖。

圖4是依照本發明的一實施例所繪示的一種使用第一模型識別圖像中的特定區域的方法的流程圖。

圖5是依照本發明的一實施例所繪示的第一圖像與遮避后圖像的示意圖。

圖6是依照本發明的一實施例所繪示的識別待測圖像中的瑕疵區域的示意圖。

【符號說明】

100：電子裝置

20：處理器

22：輸入電路

24：圖像擷取電路

P1：導光板

S201～S203、S301～S309、S401～S405：步驟

MM1：神經網絡模塊

M1：第一模型

M2：第二模型

C1～C2：組合