基于分组解码器的轮胎花纹分类方法、系统、介质及设备技术方案

本发明专利技术属于图像处理技术领域，提供了基于分组解码器的轮胎花纹分类方法、系统、介质及设备，为了弥合低级视觉特征和高层语义之间的鸿沟，其方案为：基于轮胎花纹图像数据集和训练后的轮胎花纹分类模型得到轮胎花纹图像类型；其中，所述轮胎花纹分类模型的训练过程包括：基于迁移学习构建教师网络和学生网络，对教师网络结构进行调整，将教师网络中的全局平均池化层替换为线性投影层和分组解码器，经过线性投影和分组解码得到轮胎花纹图像的分类概率；通过教师网络对学生网络进行知识蒸馏，得到KL散度损失和交叉熵损失函数。兼备较低模型的复杂度和计算开销。型的复杂度和计算开销。型的复杂度和计算开销。

【技术实现步骤摘要】
基于分组解码器的轮胎花纹分类方法、系统、介质及设备


[0001]本专利技术属于图像处理
，尤其涉及基于分组解码器的轮胎花纹分类方法、系统、介质及设备。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]目前轮胎花纹图像分类相关的研究工作很少，它们的处理流程可以总结为如下步骤：1）利用卷积神经网络来提取轮胎图片的不同特征；2）将提取的特征输入到支持向量机分类器或者预训练的深度图像分类模型中进行预测。为了进一步提高轮胎花纹图像的分类准确率，一些方法利用离散小波变换与尺度不变特征相结合的轮胎图像表示算法。
[0004]虽然这些方法对轮胎花纹图像分类的准确率有一定程度的提高，但是传统方法提取的纹理特征是对图像底层信息的表示，缺乏高层视觉语义特征，从而导致语义鸿沟；并且传统方法的内存需求大，计算量高。
[0005]同时现有的分类头，如基于全局平均池化的分类头、基于注意力的分类头都有其不足之处。基于全局平均池化的分类头需要识别具有不同位置和大小的多个对象，这可能会使平均池化的使用不太理想；基于注意力的分类头，确实可以改善结果，但其代价通常很高昂。

技术实现思路

[0006]为了解决上述
技术介绍
中存在的至少一项技术问题，本专利技术提供基于分组解码器的轮胎花纹分类方法、系统、介质及设备，其通过一个具有灵活高效分类头的轻量化轮胎花纹图像分类模型，弥合低级视觉特征和高层语义之间的鸿沟，兼备较低模型的复杂度和计算开销。为了实现上述目的，本专利技术采用如下技术方案：本专利技术的第一个方面提供基于分组解码器的轮胎花纹分类方法，包括如下步骤：获取轮胎花纹图像数据集；基于轮胎花纹图像数据集和训练后的轮胎花纹分类模型得到轮胎花纹图像类型；其中，所述轮胎花纹分类模型的训练过程包括：基于迁移学习构建教师网络和学生网络，对教师网络结构进行调整，将教师网络中的全局平均池化层替换为线性投影层和分组解码器，经过线性投影和分组解码得到轮胎花纹图像的分类概率；通过教师网络对学生网络进行知识蒸馏，得到KL散度损失和交叉熵损失。
[0007]进一步地，所述获取轮胎花纹图像数据集后进行预处理，具体为：利用限制对比度自适应直方图均衡化对轮胎花纹图像数据集进行处理得到第一轮胎花纹图像数据集；
基于第一轮胎花纹图像数据集，采用数据增强的方式进行处理得到第二轮胎花纹图像数据集。
[0008]进一步地，所述利用限制对比度自适应直方图均衡化对轮胎花纹图像数据集进行处理得到第一轮胎花纹图像数据集，具体包括：将轮胎花纹图像数据分割得到大小相同互不相交的子块；计算每个子块的直方图；对直方图进行裁剪，并重新分配像素点；对重新分配像素后的子块进行直方图均衡化；利用双线性插值算法重构均衡化后每个子块的灰度值，得到第一轮胎花纹图像数据集。
[0009]进一步地，所述将教师网络中的全局平均池化层替换为线性投影层和分组解码器，经过线性投影和分组解码得到轮胎花纹图像的分类概率，具体包括：将教师网络卷积层的输出特征图作为投影层的输入进行投影，将投影结果进行重塑，得到局部特征；引入个维度为的向量组成的矩阵作为查询矩阵，为预定义分组解码器中的分组数目；将局部特征按照特征维度进行均分，将每一份局部特征和查询矩阵输入至交叉注意力机制中，得到与查询矩阵相关的全局特征信息；基于与查询矩阵相关的全局特征信息，通过膨胀映射，得到轮胎花纹图像的分类概率。
[0010]进一步地，将KL散度损失和交叉熵损失函数进行加权求和作为轮胎花纹分类模型的训练总损失。
[0011]进一步地，所述通过教师网络对学生网络进行知识蒸馏，得到KL散度损失和交叉熵损失函数具体包括：将轮胎花纹图像数据集输入到教师网络中，得到教师网络全连接层的输出；将得到的教师网络全连接层输出经过softmax激活函数处理得到输出软标签；将轮胎花纹图像数据集加载至学生网络，并加载在教师网络已经训练好的文件，得到经过学生网络处理后的全连接层输出；将得到的学生网络全连接层输出经过第一温度的softmax激活函数处理得到输出软预测；基于软标签和软预测得进行KL散度计算，得到KL散度损失；将经过学生网络处理得到的全连接层输出经过第二温度的softmax激活函数处理得到输出硬预测；将硬预测与每张图片的真实标签即硬标签之间进行交叉熵损失计算，得到交叉熵损失。进一步地，所述教师网络采用Resnet50，所述学生网络采用Efficientnet
‑
V2
‑
S。
[0012]本专利技术的第二个方面提供基于分组解码器的轮胎花纹分类系统，包括：数据获取模块，其被配置为：获取轮胎花纹图像数据集；分类模块，其被配置为：基于轮胎花纹图像数据集和训练后的轮胎花纹分类模型
得到轮胎花纹图像类型；其中，所述轮胎花纹分类模型的训练过程包括：基于迁移学习构建教师网络和学生网络，对教师网络结构进行调整，将教师网络中的全局平均池化层替换为线性投影层和分组解码器，经过线性投影和分组解码得到轮胎花纹图像的分类概率；通过教师网络对学生网络进行知识蒸馏，得到KL散度损失和交叉熵损失函数。
[0013]本专利技术的第三个方面提供一种计算机可读存储介质。
[0014]一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面所述的基于分组解码器的轮胎花纹分类方法中的步骤。
[0015]本专利技术的第四个方面提供一种电子设备。
[0016]一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所述的基于分组解码器的轮胎花纹分类方法中的步骤。
[0017]与现有技术相比，本专利技术的有益效果是：1、本专利技术提出一种新颖的轮胎花纹图像分类方法，基于轮胎花纹图像数据集和训练后的轮胎花纹分类模型得到轮胎花纹图像类型；其中，所述轮胎花纹分类模型的训练过程包括：基于迁移学习构建教师网络和学生网络，对教师网络结构进行调整，将教师网络中的全局平均池化层替换为线性投影层和分组解码器，经过线性投影和分组解码得到轮胎花纹图像的分类概率；有效解决过拟合问题，在降低运算资源消耗的同时，提升分类精准度。
[0018]2、本专利技术提出基于知识蒸馏的轮胎花纹分类方法训练策略，通过教师网络对学生网络进行知识蒸馏，得到KL散度损失和交叉熵损失函数，通过训练较为复杂但是效果极佳的大模型来指导轻量模型，在提升模型准确率的同时降低模型延迟，压缩网络参数。
[0019]3、本专利技术提出了分组解码器机制，它不仅提供了更好的速度
‑
准确度权衡，而且提高了模型的精度。
附图说明
[0020]构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。
[0021]图1是本专利技术实施例提供的知识蒸馏的流程图。
具体实施方式
[0022]下面结合附图与实施例对本专利技术作进一步说明本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于分组解码器的轮胎花纹分类方法，其特征在于，包括如下步骤：获取轮胎花纹图像数据集；基于轮胎花纹图像数据集和训练后的轮胎花纹分类模型得到轮胎花纹图像类型；其中，所述轮胎花纹分类模型的训练过程包括：基于迁移学习构建教师网络和学生网络，对教师网络结构进行调整，将教师网络中的全局平均池化层替换为线性投影层和分组解码器，经过线性投影和分组解码得到轮胎花纹图像的分类概率；通过教师网络对学生网络进行知识蒸馏，得到KL散度损失和交叉熵损失函数。2.根据权利要求1所述的基于分组解码器的轮胎花纹分类方法，其特征在于，所述获取轮胎花纹图像数据集后进行预处理，具体为：利用限制对比度自适应直方图均衡化对轮胎花纹图像数据集进行处理得到第一轮胎花纹图像数据集；基于第一轮胎花纹图像数据集，采用数据增强的方式进行处理得到第二轮胎花纹图像数据集。3.根据权利要求2所述的基于分组解码器的轮胎花纹分类方法，其特征在于，所述利用限制对比度自适应直方图均衡化对轮胎花纹图像数据集进行处理得到第一轮胎花纹图像数据集，具体包括：将轮胎花纹图像数据分割得到大小相同互不相交的子块；计算每个子块的直方图；对直方图进行裁剪，并重新分配像素点；对重新分配像素后的子块进行直方图均衡化；利用双线性插值算法重构均衡化后每个子块的灰度值，得到第一轮胎花纹图像数据集。4.根据权利要求1所述的基于分组解码器的轮胎花纹分类方法，其特征在于，所述将教师网络中的全局平均池化层替换为线性投影层和分组解码器，经过线性投影和分组解码得到轮胎花纹图像的分类概率，具体包括：将教师网络卷积层的输出特征图作为投影层输入进行投影，将投影结果进行重塑，得到局部特征；引入k个维度为d的向量组成的矩阵作为查询矩阵，k为预定义分组解码器中的分组数目；将局部特征按照特征维度进行均分，将每一份局部特征和查询矩阵输入至交叉注意力机制中，得到与查询矩阵相关的全局特征信息；基于与查询矩阵相关的全局特征信息，通过膨胀映射，得到轮胎花纹图像的分类概率。5.根据权利要求1所述的基于分组解码器的轮胎花纹分类方法，其特征在于，将KL散度损失和交叉熵损失进行加权求和作为轮胎花纹分类模型...

【专利技术属性】
技术研发人员：刘萌，厉盛华，周迪，郭杰，宁阳，马玉玲，
申请(专利权)人：山东建筑大学，
类型：发明
国别省市：