模型训练方法及装置、电子设备和存储介质制造方法及图纸

本公开涉及一种模型训练方法及装置、电子设备和存储介质，通过确定包括至少一个缺陷图像以及对应属性信息的缺陷图像集合，对每个缺陷图像进行至少一次图像变换，在每次图像变换后得到一个变换图像。根据每个缺陷图像、以及每个缺陷图像对应的属性信息以及至少一个变换图像确定训练集，根据训练集进行缺陷检测模型训练，缺陷检测模型用于检测目标对象的缺陷。本公开实施例能够通过图像变换的方式进行数据增广，增加样本的数量以及种类，以通过大量不同种类样本进行模型训练的方式提高得到的模型效果。的模型效果。的模型效果。

【技术实现步骤摘要】
模型训练方法及装置、电子设备和存储介质


[0001]本公开涉及计算机
，尤其涉及一种模型训练方法及装置、电子设备和存储介质。

技术介绍

[0002]电池缺陷检测是计算机视觉以及工业视觉检测的重要问题。电池缺陷检测包括多种重要应用，例如顶盖焊缝检测，密封钉缺陷检测，电池极耳形变缺陷检测以及涂布表面检测等。目前的电池缺陷检测通常基于深度学习模型实现，但深度学习模型的精度依赖于大量样本的训练，在样本量较少以及样本类型单一的情况下，往往难以训练出精度高的模型。

技术实现思路

[0003]本公开提出了一种模型训练方法及装置、电子设备和存储介质，旨在样本量单一且少的情况下提高训练模型的精度。
[0004]根据本公开的第一方面，提供了一种模型训练方法，包括：
[0005]确定缺陷图像集合，所述缺陷图像集合中包括至少一个缺陷图像，以及每一个所述缺陷图像中包括的至少一个缺陷的属性信息；
[0006]对每个所述缺陷图像进行至少一次图像变换，在每次图像变换后得到一个变换图像；
[0007]根据每个所述缺陷图像、每本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模型训练方法，其特征在于，所述方法包括：确定缺陷图像集合，所述缺陷图像集合中包括至少一个缺陷图像，以及每一个所述缺陷图像中包括的至少一个缺陷的属性信息；对每个所述缺陷图像进行至少一次图像变换，在每次图像变换后得到一个变换图像；根据每个所述缺陷图像、每个所述缺陷图像对应的属性信息以及至少一个变换图像确定训练集；根据所述训练集进行缺陷检测模型训练，所述缺陷检测模型用于检测目标对象的缺陷。2.根据权利要求1所述的方法，其特征在于，所述对每个所述缺陷图像进行至少一次图像变换，在每次图像变换后得到一个变换图像包括：确定至少一个预设的图像变换方式，以及每个所述图像变换方式的变换参数区间；根据至少一个所述图像变换方式以及对应的变换参数区间，对每个所述缺陷图像进行至少一次图像变换，在每次图像变换后得到一个变换图像。3.根据权利要求2所述的方法，其特征在于，所述根据至少一个所述图像变换方式以及对应的变换参数区间，对每个所述缺陷图像进行至少一次图像变换，在每次图像变换后得到一个变换图像包括：对于每一次图像变换过程，确定当前缺陷图像；随机选中至少一个图像变换方式作为目标变换方式，并在每个所述目标变换方式的变换参数区间中确定目标变换参数；根据所述目标变换方式，以及对应的目标变换参数对所述当前缺陷图像进行图像变换，得到变换图像。4.根据权利要求3所述的方法，其特征在于，所述缺陷图像为三维图像，所述图像变换方式包括仿射变换。5.根据权利要求1
‑
4中任意一项所述的方法，其特征在于，所述根据每个所述缺陷图像、每个所述缺陷图像对应的属性信息以及至少一个变换图像确定训练集包括：根据每个所述缺陷图像中缺陷的属性信息确定所述缺陷图像以及所述缺陷图像对应的至少一个变换图像的标注信息；根据每个所述缺陷图像、每个所述变换图像以及对应的标注信息构建训练集。6.根据权利要求5所述的方法，其特征在于，所述根据所述训练集进行缺陷检测模型训练包括：在所述训练集中选中一个所述缺陷图像，或一个所述缺陷图像对应的一个变换图像作为训练图像；将所述训练图像输入缺陷检测模型，输出对应的检测信息；根据所述训练图像对应的所述检测信息和所述标注信息确定模型损失，并根据所述模型损失进行模型参数调节。7.根据权利要求6所述的方法，其特征在于，所述训练图像为三维图...

【专利技术属性】
技术研发人员：王新江，马政，陈恺，张伟，
申请(专利权)人：深圳市商汤科技有限公司，
类型：发明
国别省市：