[發明專利]用于鋼筋表面的光滑程度檢測的神經網絡的訓練方法

在審

• 申請號: 202110074303.8
• 申請日: 2021-01-20
• 公開（公告）號: CN112734016A
• 公開（公告）日: 2021-04-30
• 發明（設計）人: 翁志華
• 申請（專利權）人: 成都圭坡拓科技有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;G06T7/00;G06K9/62;G06T17/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種用于鋼筋表面的光滑程度檢測的神經網絡的訓練方法，其特征在于，包括：

第一階段：

獲取第一圖像和第二圖像，其中，所述第一圖像為實際生產的鋼筋的圖像和所述第二圖像為計算機三維建模的鋼筋的圖像；

將所述第一圖像通過第一卷積神經網絡，以獲得第一特征圖；

將所述第二圖像通過第二卷積神經網絡，以獲得第二特征圖，其中，所述第二卷積神經網絡與所述第一卷積神經網絡具有相同的網絡結構；

將所述第一特征圖和所述第二特征圖輸入鑒別器神經網絡，以獲得鑒別器損失函數值；

以預設步長減小所述鑒別器損失函數值，并通過梯度下降的反向傳播來更新所述第一卷積神經網絡的參數；

第二階段：

將所述第一圖像通過經過第一階段訓練的所述第一卷積神經網絡，以獲得第三特征圖；

計算所述第三特征圖與所述第二特征圖之間的差分，以獲得差分特征圖；

將所述差分特征圖通過分類器，以獲得分類損失函數值；以及

以預設步長減小所述分類損失函數值，并通過梯度下降的反向傳播來過更新所述第一卷積神經網絡的參數。

2.根據權利要求1所述的用于鋼筋表面的光滑程度檢測的神經網絡的訓練方法，其中，將所述第一特征圖和所述第二特征圖輸入鑒別器神經網絡，以獲得鑒別器損失函數值，包括：

將所述第一特征圖輸入所述鑒別器神經網絡以獲得第四特征圖；

將所述第二特征圖輸入所述鑒別器神經網絡以獲得第五特征圖；

確定所述第四特征圖與所述第五特征圖中的預定位置的值是否相同；

響應于所述第四特征圖與所述第五特征圖中的預定位置的值相同，計算所述預定位置的值的以二為底的對數值的負數值作為第一值；

響應于所述第四特征圖與所述第五特征圖中的預定位置的值不同，計算所述預定位置的值的以二為底的對數值作為第二值；

計算所述第一值按照值相同的位置的平均值和所述第二值按照值不同的位置的平均值之和作為所述鑒別器損失函數值。

3.根據權利要求2所述的用于鋼筋表面的光滑程度檢測的神經網絡的訓練方法，其中，所述鑒別器神經網絡包括預設數量的預設尺寸的卷積層。

4.根據權利要求1所述的用于鋼筋表面的光滑程度檢測的神經網絡的訓練方法，其中，計算所述第三特征圖與所述第二特征圖之間的差分，以獲得差分特征圖，包括：

計算所述第三特征圖與所述第二特征圖之間按像素位置的特征值的差分，以獲得所述差分特征圖。

5.根據權利要求1所述的用于鋼筋表面的光滑程度檢測的神經網絡的訓練方法，其中，將所述差分特征圖通過分類器，以獲得分類損失函數值，包括：

將所述差分特征圖通過一個或多個全連接層，以獲得分類特征向量；

將所述分類特征向量輸入分類函數，以獲得分類結果，所述分類結果用于表示鋼筋表面的光滑程度是否滿足預設要求；以及

將所述分類結果和真實值輸入交叉熵損失函數，以獲得所述分類損失函數值。

6.根據權利要求1所述的用于鋼筋表面的光滑程度檢測的神經網絡的訓練方法，其中，所述第一卷積神經網絡為深度殘差網絡。

7.一種基于深度神經網絡的鋼筋表面的光滑程度的檢測方法，其特征在于，包括：

獲取待檢測圖像，所述待檢測圖像為待檢測的鋼筋的表面的圖像；

將所述待檢測圖像輸入根據如權利要求1至6任一所述的用于鋼筋表面的光滑程度檢測的神經網絡的訓練方法所訓練的所述第一卷積神經網絡以獲得分類特征圖；以及

將所述分類特征圖通過分類器以獲得分類結果，所述分類結果表示所述待檢測圖像中鋼筋表面的光滑程度是否符合預設要求。