[發明專利]一種基于自監督對比學習的復雜紋理及圖案色差檢測方法

在審

• 申請號: 202210362124.9
• 申請日: 2022-04-07
• 公開（公告）號: CN114723707A
• 公開（公告）日: 2022-07-08
• 發明（設計）人: 程良倫;曾煒峰;黃國恒
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/40;G06T7/90;G06V10/44;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 劉俊

1.一種基于自監督對比學習的復雜紋理及圖案色差檢測方法，其特征在于：包括以下步驟：

S1.得到原始圖像，根據色差分級標準，構建帶標簽的原始數據集；

S2.對原始數據集進行數據增強，得到增強數據集；

S3.開始預訓練，通過編碼器提取增強數據集的圖像特征；

S4.將增強后數據的圖像特征通過投影網絡對圖像特征進行投影操作，得到嵌入向量；

S5.根據得到的嵌入向量，計算增強數據集中不同的圖像間的相似度和預訓練的對比損失，并根據對比損失改進編碼器，結束預訓練；

S6.在改進后的編碼器后面接入分類網絡，替換投影網絡，通過改進后的編碼器重新獲取改進后圖像特征，并對增強數據集中的圖像進行分類檢測。

2.根據權利要求1所述的基于自監督對比學習的復雜紋理及圖案色差檢測方法，其特征在于：步驟S1，具體步驟為：

S101.從待分析對象中采集數量為N，分辨率為w×h的樣本圖像數據集；

S102.根據色差等級劃分標準，對每張樣本圖像進行標注工作，將原始數據集記為I＝{I₁,I₂,……,I_N}。

3.根據權利要求2所述的基于自監督對比學習的復雜紋理及圖案色差檢測方法，其特征在于：步驟S2，具體步驟為：

S201.將原始數據集按批大小為n劃分成若干批次，并通過變換函數R_T：

R_T＝random(flip,rotate,crop,zoom)

按批次對原始樣本圖像數據進行數據增強，其中random代表隨機選擇函數，flip代表翻轉變換，rotate代表旋轉變換，crop代表裁剪變換，zoom代表縮放變換；

S202.每一批次的數據集中的每一張樣本圖像I_i依次通過隨機函數隨機選擇兩種增強變換類型進行增強；

S203.輸出得到數量為2N，分辨率為w×h的增強數據集。

4.根據權利要求3所述的基于自監督對比學習的復雜紋理及圖案色差檢測方法，其特征在于：編碼器提取增強后的數據集的圖像特征，具體步驟為：

A01.通過卷積層將分辨率為w×h，通道數為C_input的增強圖像處理為分辨率為通道數為64的張量C₁：

C₁＝Conv_{7_2}(C_input)

其中，Conv_{7_2}表示卷積層的卷積核尺寸為7，卷積核步長為2；

A02.將張量C₁依次通過批標準化層、激活函數層得到特征圖C₂，

C₂＝Act_ReLU(BN(C₁))

其中，BN表示批標準化層，Act_ReLU表示激活函數；

A03.將特征圖C₂通過最大池化層，得到的形狀為的特征圖C₃：

C₃＝MaxP_{3_2}(C₂)

其中，MaxP_{3_2}表示池化核大小為3，池化核步長為2的最大池化層；

A04.特征圖C₃依次通過Stage1、Stage2、Stage3、Stage4四個殘差學習階段，得到圖像特征向量H：

Stage1:C₄＝BTK₂(BTK₂(BTK₁(C₃)))

Stage2:C₅＝BTK₂(BTK₂(BTK₂(BTK₁(C₄))))

Stage3:C₆＝BTK₂(BTK₂(BTK₂(BTK₂(BTK₂(BTK₁(C₅))))))

Stage4:H＝BTK₂(BTK₂(BTK₁(C₆)))

其中，BTK₁()表示殘差結構的Ⅰ型瓶頸塊，BTK₂()表示殘差結構的Ⅱ型瓶頸塊，C₄為經過殘差學習階段Stage1得到的特征圖，C₅為經過殘差學習階段Stage2得到的特征圖，C₆為經過殘差學習階段Stage3得到的特征圖，H為經過殘差學習階段Stage4得到的m維的特征向量。