【技术实现步骤摘要】
模型训练方法、缺陷类型确定方法及装置、设备
[0001]本申请涉及互联网通信
,尤其涉及一种模型训练方法
、
缺陷类型确定方法及装置
、
设备
。
技术介绍
[0002]随着互联网通信技术的发展,可以利用目标模型来对输入图像进行缺陷预测,这提高了缺陷类型确定的便捷性
。
目标模型的获得依赖预训练模型
。
相关技术中,对于预训练模型的训练关注其具备针对通用分类数据集的分类能力
。
这样的预训练模型会局限对应的目标模型的特征提取能力,进而影响目标模型对于包含展示特定对象的区域的图像的缺陷预测能力,比如工业领域的特定对象
。
技术实现思路
[0003]为了解决上述提出的至少一个技术问题,本申请提供了一种模型训练方法
、
缺陷类型确定方法及装置
、
设备:
[0004]根据本申请的第一方面,提供了一种模型训练方法,所述方法包括:
[0005]利用第一样本集训练获得基准模型,所述基准模型用于输出针对输入图像的缺陷类型,所述基准模型包括特征提取网络,所述第一样本集指示第一类对象,所述第一样本集中每一第一样本图像携带有至少一个第一类对象缺陷标签;
[0006]针对第二样本集中每一第二样本图像,利用所述基准模型得到所述第二样本图像对应的缺陷预测结果,以及以所述缺陷预测结果扩充所述第二样本图像携带的至少一个第二类对象缺陷标签,得到缺陷标签扩充结果,所述第二样本集指 ...
【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:利用第一样本集训练获得基准模型,所述基准模型用于输出针对输入图像的缺陷类型,所述基准模型包括特征提取网络,所述第一样本集指示第一类对象,所述第一样本集中每一第一样本图像携带有至少一个第一类对象缺陷标签;针对第二样本集中每一第二样本图像,利用所述基准模型得到所述第二样本图像对应的缺陷预测结果,以及以所述缺陷预测结果扩充所述第二样本图像携带的至少一个第二类对象缺陷标签,得到缺陷标签扩充结果,所述第二样本集指示第二类对象,所述第二类对象与所述第一类对象具有关联关系;基于每一所述第二样本图像对应的所述缺陷标签扩充结果更新所述第二样本集,得到第三样本集;利用所述第三样本集训练所述特征提取网络,得到预训练模型
。2.
根据权利要求1所述的方法,其特征在于,所述缺陷预测结果包括所述第二样本图像对应每一所述第一类对象缺陷标签的预测概率,所述以所述缺陷预测结果扩充所述第二样本图像携带的至少一个第二类对象缺陷标签,得到缺陷标签扩充结果,包括:获取概率阈值;对于对应每一所述第一类对象缺陷标签的预测概率,在所述预测概率大于所述概率阈值的情况下,确定所述第一类对象缺陷标签是扩充标签,以得到至少一个所述扩充标签;基于所述至少一个所述扩充标签和所述至少一个第二类对象缺陷标签,得到所述缺陷标签扩充结果
。3.
根据权利要求1或2所述的方法,其特征在于,所述方法还包括确定所述第二类对象:确定所述第一类对象的对象信息,所述对象信息包括多个维度的描述信息;从所述多个维度中确定出第一类维度和第二类维度;基于所述第一类维度的描述信息匹配结果和所述第二类维度的描述信息匹配结果,从多个候选对象中确定出所述第二类对象,所述第二类对象与所述第一类对象在所述第一类维度的描述信息匹配度大于第一阈值,所述第二类对象与所述第一类对象在所述第二类维度的描述信息匹配度小于第二阈值
。4.
根据权利要求3所述的方法,其特征在于,所述第一类对象是由至少一个工业制件构成的产品,所述多个维度包括产品名称维度
、
产品材质维度
、
产品版本维度和产品产地维度,所述从所述多个维度中确定出第一类维度和第二类维度,包括:确定所述产品名称维度和产品材质维度是所述第一类维度,以及确定所述产品版本维度是所述第二类维度;或者,确定所述产品名称维度和产品材质维度是所述第一类维度,以及确定所述产品产地维度是所述第二类维度
。5.
根据权利要求4所述的方法,其特征在于,所述第一类对象和所述第二类对象分别指示同一产品的当前版本和历史版本,所述方法还包括获取所述第二样本集:获取训练历史缺陷类型确定模型所用到的多个历史样本图像,所述历史样本图像包含展示所述第二类对象的区域,所述多个历史样本图像基于针对所述历史版本的产品允收规则进行缺陷标签标...
【专利技术属性】
技术研发人员:林愉欢,汪铖杰,刘永,李嘉麟,吴凯,聂强,
申请(专利权)人:腾讯科技深圳有限公司,
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。