[發明專利]布料瑕疵識別模型的訓練方法和布料瑕疵的檢測方法

在審

• 申請號: 202011112313.8
• 申請日: 2020-10-16
• 公開（公告）號: CN112270687A
• 公開（公告）日: 2021-01-26
• 發明（設計）人: 程潔;王曉珂;胡曉偉;陳成才
• 申請（專利權）人: 鯨斛（上海）智能科技有限公司;上海智臻智能網絡科技股份有限公司
• 主分類號: G06T7/13
• 分類號: G06T7/13;G06T7/00;G06N3/04;G06K9/62;G06K9/46;G01N21/88
• 代理公司: 北京布瑞知識產權代理有限公司 11505
• 代理人: 孟潭

本申請提供了一種布料瑕疵識別模型的訓練方法，包括：提供多個樣本的基礎數據，所述基礎數據對應所述樣本中已知布料瑕疵的輪廓；基于每個所述樣本的所述基礎數據獲取多個訓練數據；以及基于帶有所述多個訓練數據的所述樣本對神經網絡模型進行訓練，以使得所述神經網絡模型能基于所述樣本輸出與所述多個訓練數據分別對應的多個輪廓識別數據。由于樣本的基礎數據對應樣本中已知布料瑕疵的輪廓，多個訓練數據對應基于樣本中已知布料瑕疵的輪廓獲得的多個訓練輪廓，一個樣本帶有多個訓練樣本，基于帶有多個訓練數據的樣本對神經網絡模型進行訓練，通過該訓練方法，使得輪廓識別模型具有輸入一個樣本輸出與多個訓練數據的分別對應的多個輪廓識別數據的能力。

技術領域

本申請涉及計算機技術領域，具體涉及一種布料瑕疵識別模型的訓練方法、布料瑕疵的檢測方法、電子設備和計算機可讀存儲介質。

背景技術

目標檢測是計算機視覺領域的一個經典問題，目的是檢測出輸入圖像中目標對象的位置、輪廓以及種類等。現有技術中的目標檢測方法利用代表不同目標類別的卷積核對待檢測圖像進行卷積計算，通過分類獲得目標對象的位置、輪廓及種類，但該方法針對目標對象或者重疊的多個目標對象的檢測準確度低，無法精準檢測目標對象的輪廓，也無法精確地將重疊的多個目標對象分割開，且計算速度慢，耗時較長。

發明內容

有鑒于此，本申請實施例提供了一種布料瑕疵識別模型的訓練方法、布料瑕疵的檢測方法、電子設備和計算機可讀存儲介質，以解決現有技術中無法兼顧精準識別布料瑕疵且耗時短的技術問題。

根據本申請的一個方面，本申請一實施例提供的一種布料瑕疵識別模型的訓練方法，包括：提供多個樣本的基礎數據，所述基礎數據對應所述樣本中已知布料瑕疵的輪廓；基于每個所述樣本的所述基礎數據獲取多個訓練數據；以及基于帶有所述多個訓練數據的所述樣本對神經網絡模型進行訓練，以使得所述神經網絡模型能基于所述樣本輸出與所述多個訓練數據分別對應的多個輪廓識別數據。

根據本申請另一個方面，本申請一實施例提供的一種布料瑕疵的檢測方法，包括：提取待檢測圖像的特征信息，所述待檢測圖像包括一個或多個布料瑕疵；將所述特征信息輸入如上述任一所述的方法訓練得到的輪廓識別模型，獲得所述待檢測圖像的多個輪廓預測數據；對所述多個輪廓預測數據進行特征疊加，獲得預測疊加數據；以及基于所述預測疊加數據，獲得所述布料瑕疵的輪廓數據。

根據本申請的又一個方面，本申請一實施例提供了一種電子設備，包括：處理器；存儲器；以及存儲在存儲器中的計算機程序指令，計算機程序指令在被處理器運行時使得處理器執行如上述任一項所述的方法。

根據本申請的又一方面，本申請一實施例提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質上存儲有計算機程序指令，所述計算機程序指令在被處理器運行時使得所述處理器執行如前任一所述的方法。

根據本申請的又一方面，本申請一實施例提供了一種布料瑕疵檢測數據處理方法，包括：根據上述任意一項上述檢測方法獲取布料的瑕疵信息；根據至少所述瑕疵信息，確定瑕疵處理方式。

本申請實施例提供的一種輪廓識別模型的訓練方法，通過獲取樣本的基礎數據的多個訓練數據，基于帶有多個訓練數據的樣本對神經網絡模型進行訓練，以使得神經網絡模型能基于樣本輸出與多個訓練數據分別對應的多個輪廓識別數據。通過該訓練方法，使得輪廓識別模型具有輸入一個樣本輸出與多個訓練數據的分別對應的多個輪廓識別數據的能力。具體地，樣本的基礎數據對應樣本中已知布料瑕疵的輪廓，多個訓練數據對應基于樣本中已知布料瑕疵的輪廓獲得的多個訓練輪廓，由于一個樣本帶有多個訓練樣本，基于帶有多個訓練數據的樣本對神經網絡模型進行訓練，該神經網絡模型能夠具有能輸出與多個訓練數據分別對應的多個輪廓識別數據。