模型训练方法、装置、计算机设备和存储介质

    公开(公告)号:CN114359563B

    公开(公告)日:2022-06-28

    申请号:CN202210274888.2

    申请日:2022-03-21

    摘要: 本申请涉及一种模型训练方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括:获取已训练的教师模型对样本图像中各像素的类别预测结果;根据已训练的教师模型对样本图像中各像素的类别预测结果,得到样本图像中各像素的信息量;在各预设图像类别下,基于样本图像中各像素的信息量、已训练的教师模型对样本图像中各像素的类别预测结果和待训练的学生模型对样本图像中各像素的类别预测结果,得到待训练的学生模型的目标损失函数;根据目标损失函数,对待训练的学生模型进行迭代训练,得到训练完成的学生模型;训练完成的学生模型用于对输入的图像进行语义分割。采用本方法能够提升学生模型整体的预测准确性。

    模型训练方法、装置、计算机设备和存储介质

    公开(公告)号:CN114359563A

    公开(公告)日:2022-04-15

    申请号:CN202210274888.2

    申请日:2022-03-21

    摘要: 本申请涉及一种模型训练方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括:获取已训练的教师模型对样本图像中各像素的类别预测结果;根据已训练的教师模型对样本图像中各像素的类别预测结果,得到样本图像中各像素的信息量;在各预设图像类别下,基于样本图像中各像素的信息量、已训练的教师模型对样本图像中各像素的类别预测结果和待训练的学生模型对样本图像中各像素的类别预测结果,得到待训练的学生模型的目标损失函数;根据目标损失函数,对待训练的学生模型进行迭代训练,得到训练完成的学生模型;训练完成的学生模型用于对输入的图像进行语义分割。采用本方法能够提升学生模型整体的预测准确性。

    语义分割方法、装置、计算机设备及计算机可读存储介质

    公开(公告)号:CN115620013B

    公开(公告)日:2023-03-14

    申请号:CN202211600812.0

    申请日:2022-12-14

    摘要: 本申请涉及一种语义分割方法、装置、计算机设备及存储介质。方法包括:确定首个语义增强层为当前层,通过当前层对目标图像的编码特征进行特征提取得到当前层的语义特征并确定当前层的注意力数据;根据当前层的语义特征和注意力数据,确定当前层对应的语义遮罩数据;通过下一语义增强层对语义遮罩数据和编码特征进行特征提取得到下一语义增强层的语义特征并确定下一语义增强层的注意力数据;将下一语义增强层作为当前层,返回根据当前层的语义特征和注意力数据,确定当前层对应的语义遮罩数据的步骤循环执行,直至得到最后一语义增强层的目标语义特征;根据目标语义特征和编码特征对目标图像进行语义分割。采用本方法能够提高语义分割的准确性。

    对象缺陷检测方法、装置、计算机设备和存储介质

    公开(公告)号:CN114494260B

    公开(公告)日:2022-07-19

    申请号:CN202210401828.2

    申请日:2022-04-18

    摘要: 本申请涉及一种对象缺陷检测方法、装置、计算机设备和存储介质。方法包括:获取待检测图像对应的特征图;待检测图像为对目标对象进行拍摄得到的图像;目标对象为需要进行缺陷检测的对象;对特征图进行区域划分,得到待检测图像中各像素点对应的第一子特征图;将各第一子特征图输入至一一对应的第一目标区域分类器中,得到待检测图像对应的第一缺陷类型概率;将特征图输入至目标全局分类器,得到待检测图像对应的第二缺陷类型概率;第二缺陷类型概率包括待检测图像中各像素点针对各缺陷类型的归属概率;根据第一缺陷类型概率以及第二缺陷类型概率确定目标对象对应的缺陷类型。采用本方法能够提高目标对象缺陷类型识别的精度。

    图像分割模型训练方法、装置、计算机设备和存储介质

    公开(公告)号:CN113112509B

    公开(公告)日:2023-07-04

    申请号:CN202110390733.0

    申请日:2021-04-12

    IPC分类号: G06T7/11

    摘要: 本申请涉及一种图像分割模型训练方法、装置、计算机设备和存储介质。所述方法包括:获取第一样本图像、第二样本图像,以及与第一样本图像对应的标注图像;将第一样本图像和标注图像以及第二样本图像输入至待训练的图像分割模型,以使待训练的图像分割模型根据第一样本图像对应的预测图像以及标注图像,得到第一损失值,以及根据第一图像块和第二图像块的特征图关于图像重叠区域的特征相似度,得到第二损失值;第一图像块和第二图像块为第二样本图像中具有图像重叠区域的图像块;基于第一损失值和第二损失值,训练得到图像分割模型。采用本方法能够提高得到的图像分割模型的图像分割准确率。

    基于相似度的缺陷识别方法、装置、电子设备及存储介质

    公开(公告)号:CN116091419A

    公开(公告)日:2023-05-09

    申请号:CN202211639365.X

    申请日:2022-12-20

    IPC分类号: G06T7/00 G06V10/74

    摘要: 本申请提供一种基于相似度的缺陷识别方法、装置、电子设备及存储介质。该方法包括:获取待检测图像;确定待检测图像中的第一类缺陷,以及第一类缺陷中各缺陷的缺陷信息;缺陷信息包括位置信息、角度信息、梯度信息、连接点信息以及纹理信息中的至少一种;在第一类缺陷中,根据各缺陷的缺陷信息确定每一缺陷组合的关系分值;关系分值用于表征以任意两个缺陷为一个缺陷组合,与缺陷组合中的两个缺陷一一对应的两个缺陷信息之间的相似程度;在各种缺陷组合中,将关系分值符合预设分值的缺陷组合识别为第二类缺陷,以得到待检测图像的缺陷识别结果。通过上述方法,能够提高对PCB进行缺陷识别的准确率。

    图像增强方法、装置、计算机设备及计算机可读存储介质

    公开(公告)号:CN115601283A

    公开(公告)日:2023-01-13

    申请号:CN202211603412.5

    申请日:2022-12-14

    IPC分类号: G06T5/50 G06T7/62 G06T7/13

    摘要: 本申请涉及一种图像增强方法、装置、计算机设备及计算机可读存储介质。方法包括:获取待增强图像与对象实例集合;根据待增强图像的原始对象实例的面积、对象实例集合中的各个目标对象实例的面积分别进行面积差异计算,得到各个实例面积差异项;根据原始对象实例的参考位置点、各个目标对象实例的参考位置点、原始对象实例的面积、各个目标对象实例的面积进行形状差异计算,得到各个实例形状差异项;基于各个实例面积差异项与各个实例形状差异项,确定与原始对象实例对应的融合对象实例;将待增强图像和融合对象实例进行融合,得到目标增强图像。采用本方法,能够有效提高增强图像的质量。

    模型训练方法、装置、计算机设备和存储介质

    公开(公告)号:CN113505797B

    公开(公告)日:2021-12-14

    申请号:CN202111052839.6

    申请日:2021-09-09

    摘要: 本申请涉及一种模型训练方法、装置、计算机设备和存储介质,包括:获取已训练的教师模型以及待训练的学生模型;教师模型和学生模型均包括特征提取器、主分类器以及从分类器;从分类器根据特征提取器输出的每一张样本图像的图像特征分别创建得到;将样本图像输入教师模型,得到通过教师模型的主分类器输出的第一主分类结果,以及从分类器输出的第一从分类结果和第一类别信息;将样本图像输入待训练的学生模型,得到通过待训练的学生模型的主分类器输出的第二主分类结果,从分类器输出的第二从分类结果和第二类别信息,构建得到学生模型的目标损失函数;根据目标损失函数对待训练的学生模型进行迭代训练;本申请提高了学生模型的性能。

    对齐模块、解码器的训练、图像分割方法、设备及介质

    公开(公告)号:CN117975219A

    公开(公告)日:2024-05-03

    申请号:CN202410220104.7

    申请日:2024-02-28

    IPC分类号: G06V10/80 G06V10/26

    摘要: 本申请公开了一种对齐模块、解码器的训练、图像分割方法、设备及介质。该方法包括:获取第一训练样本;对源域图像进行特征提取,得到源域图像特征;对各目标域的提示文本进行特征提取,得到各目标域的文本特征;将源域图像特征和各目标域的文本特征输入到对齐模块进行处理,输出各目标域的图像特征;对各目标域的图像特征进行融合,得到视觉融合特征;对各目标域的文本特征进行融合,得到文本融合特征;根据识别对象类型,对视觉融合特征和文本融合特征进行对齐,计算对齐模块的损失值;根据损失值,调整对齐模块的参数。采用本申请实施例,可以实现提高语义分割实现效率,以及提高通用领域的语义分割准确性。

    对齐模块、解码器的训练、图像分割方法、设备及介质

    公开(公告)号:CN117975018A

    公开(公告)日:2024-05-03

    申请号:CN202410224975.6

    申请日:2024-02-28

    摘要: 本申请公开了一种对齐模块、解码器的训练、图像分割方法、设备及介质。该方法包括:获取第一训练样本;对源域图像进行特征提取,得到源域图像特征;对目标域整体提示文本进行特征提取,得到第一目标域文本特征;将源域图像特征和第一目标域文本特征输入到对齐模块进行处理,输出目标域图像特征;对各目标域单元提示文本进行特征提取,得到第二目标域文本特征;根据源域图像分割真值中各识别对象类型对应的分割真值,从目标域图像特征中提取局部特征,并对局部特征和第二目标域文本特征进行对齐,计算局部特征对齐损失值;根据局部特征对齐损失值,调整对齐模块的参数。采用本申请实施例,可以实现提高语义分割的准确性。