【技术实现步骤摘要】
木纹分类模型的训练方法、木纹分类方法、装置及设备
[0001]本专利技术涉及图像处理
,尤其涉及一种木纹分类模型的训练方法、木纹分类方法、装置及设备。
技术介绍
[0002]利用木材的纹理图像对木材的纹理进行识别,已经成为当下木材纹理常用的识别方法。在过去的几年里,研究人员探索了各种类型的木材纹理图像识别方法。
[0003]然而,目前的木材纹理图像识别方法,无法对一些纹理近似的木材进行准确的识别,譬如:由于木纹的形状与对原木切割的方式有着紧密的联系,往往存在局部范围内难以准确识别,需要全局的特征信息才能准确识别问题,但是对于像血檀与小叶紫檀两种十分接近的木纹,如果采用全局的特征信息尽进行识别,就无法获得准确的识别结果。
技术实现思路
[0004]本专利技术提供一种木纹分类模型的训练方法、木纹分类方法、装置及设备,用以解决现有技术中针对两种相似的木材纹理图像无法准确的缺陷,实现相似的两种木材纹理图像能够准确识别的目的。
[0005]本专利技术提供一种木纹分类模型的训练方法,包括:
[0006]获取原始木纹图像;
[0007]对所述原始木纹图像进行扩充,得到扩充后的原始木纹图像数据集;
[0008]对所述原始木纹图像数据集进行缩放,得到缩放图像数据集;所述缩放图像数据集保留所述原始木纹图像的全局信息,细节信息不全;对所述原始木纹图像数据集进行中心裁剪,得到裁剪图像数据,所述裁剪图像数据集保留所述原始木纹图像的局部细节信息,全局信息不全;
[0009]利 ...
【技术保护点】
【技术特征摘要】
1.一种木纹分类模型的训练方法,其特征在于,包括:获取原始木纹图像;对所述原始木纹图像进行扩充,得到扩充后的原始木纹图像数据集;对所述原始木纹图像数据集进行缩放,得到缩放图像数据集;所述缩放图像数据集保留所述原始木纹图像的全局信息,细节信息不全;对所述原始木纹图像数据集进行中心裁剪,得到裁剪图像数据,所述裁剪图像数据集保留所述原始木纹图像的局部细节信息,全局信息不全;利用所述缩放图像数据集训练初始全局模型,得到训练好的全局模型;利用所述裁剪图像数据集训练初始局部模型,得到训练好的局部模型;将扩充后的所述原始木纹图像数据集输入初始全局
‑
局部模型进行训练,得到训练好的全局
‑
局部模型;所述初始全局
‑
局部模型由所述训练好的全部模型与训练好的局部模型拼接构成;以所述训练好的全局
‑
局部模型作为木纹分类模型。2.根据权利要求1所述的木纹分类模型的训练方法,其特征在于,所述对所述原始木纹图像进行扩充,得到原始木纹图像数据集包括:将所述原始木纹图像划分为第一训练集、第一验证集和第一测试集;将所述第一训练集、第一验证集的图像分别按照网格化的方式,从左往右、从上往下,以预设数值重叠率的方式裁剪出预设分辨率的图像,分别作为第二训练集和第二验证集;将所述第一测试集的图像按照网格化的方式,从左往右、从上往下,0%重叠率的方式裁剪出所述预设分辨率的图像作为所述第二测试集。3.根据权利要要求2所述的木纹分类模型的训练方法,其特征在于,所述对所述原始木纹图像数据集进行缩放,得到缩放图像数据集包括:对所述第二训练集的图像数据集进行缩放,得到第三缩放训练集;对所述第二验证集的图像数据集进行缩放,得到第三缩放验证集;对所述第二测试集的图像数据集进行缩放,得到第三缩放测试集;所述对所述原始木纹图像数据集进行中心裁剪,得到裁剪图像数据集包括:对所述第二训练集的图像数据集进行中心裁剪,得到第三裁剪训练集;对所述第二验证集的图像数据集进行中心裁剪,得到第三裁剪验证集;对所述第二测试集的图像数据集进行中心裁剪,得到第三裁剪测试集。4.根据权利要求3所述的木纹分类模型的训练方法,其特征在于,所述利用所述缩放图像数据集训练全局模型,得到训练好的全局模型包括:将所述第三缩放训练集输入所述初始全局模型,利用所述第三缩放验证集对训练后的全局模型参数进行调整,得到所述训练好的全局模型,利用所述第三缩放测试集对调整后的全局模型进行测试,评估全局模型的分类性能;所述利用所述裁剪图像数据集训练初始局部模型,得到训练好的局部模型包括:将所述第三裁剪训练集输入所述初始局部模型,利用所述第三裁剪验证集对训练后的局部模型参数进行调整,得到所述训练好的局部模型,利用所述第三裁剪测试集对调整后的局部模型进行测试,评估局部模型的分类性能。5.根据权利要求2所述的木纹分类模型的训练方法,其特征在于,所述将扩充后的所述
原始木纹图像数据集输入初始全局
‑
局部模型进行训练,得到训练好的全局
‑
局部模型包括:将所述第二训练集输入初始全局
‑
局部模型进行训练,利用所述第二验证集对训练后的全局
‑
局部模型参数进行调整,得到训练...
【专利技术属性】
技术研发人员:满旺,朱祎,杜晓凤,王桂松,李晖,聂芹,
申请(专利权)人:厦门理工学院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。