【技术实现步骤摘要】
本专利技术涉及图像处理，具体涉及一种工业缺陷图像生成方法。
技术介绍
1、在消费电子、新能源汽车电池等高良率的生产场景中，通常需要足够数量的包含各类缺陷的高质量训练样本用于深度视觉模型的训练，以实现工业图像缺陷的精准检测。然而，在实际生产过程中，工业缺陷图像的数量较少，且人工收集上述工业缺陷图像所需的时间长、成本高；此外，由于上述缺陷的不确定性，以及缺陷呈现多样化且伴随着类别严重失衡的特点，导致获取高质量样本的难度大幅提升，从而影响相关的模型的检测精度，甚至严重影响相关工程项目的交付进度。因此，如何在短时间内获取高质量的训练数据（即类型完备且均衡的训练样本）的问题，是视觉模型训练的一个痛点问题。而高质量的训练数据的最大问题在于部分缺陷类别图像样本的数量稀少，其类别失衡，进而导致难以满足构建良好的视觉检测模型的要求，对于缺陷类别数量较少的样本的传统获取方式包括：（1）通过人工方式在生产线进行收集：人工在生产线上获取所需的缺陷类型的目标样本，直至其数量达到要求，这是最直接的收集方式，但是这种方法耗时太长，无法满足工程项目交付的时间要求；（2...
【技术保护点】
1.一种工业缺陷图像生成方法，其特征在于，包括：
2.如权利要求1所述的工业缺陷图像生成方法，其特征在于，所述编码模块包括第一背景特征提取子模块、第二背景特征提取子模块、第一前景特征提取子模块和第二前景特征提取子模块，所述特征融合模块包括第一特征融合子模块和第二特征融合子模块；
3.如权利要求2所述的工业缺陷图像生成方法，其特征在于，所述第一背景特征提取子模块和第一前景特征提取子模块均包括三层标准卷积层；其中，所述标准卷积层包括依次连接的一个第一卷积层、一个批标准化层和一个激活层；
4.如权利要求2所述的工业缺陷图像生成方法，其特征...
【技术特征摘要】
1.一种工业缺陷图像生成方法，其特征在于，包括：
2.如权利要求1所述的工业缺陷图像生成方法，其特征在于，所述编码模块包括第一背景特征提取子模块、第二背景特征提取子模块、第一前景特征提取子模块和第二前景特征提取子模块，所述特征融合模块包括第一特征融合子模块和第二特征融合子模块；
3.如权利要求2所述的工业缺陷图像生成方法，其特征在于，所述第一背景特征提取子模块和第一前景特征提取子模块均包括三层标准卷积层；其中，所述标准卷积层包括依次连接的一个第一卷积层、一个批标准化层和一个激活层；
4.如权利要求2所述的工业缺陷图像生成方法，其特征在于，所述第一特征融合子模块对所述第一背景特征图和第一前景特征图进行特征融合，以得到第一融合特征图，包括：
5.如权利要求4所述的工业缺陷图像生成方法，其特征在于，所述分别对所述第一背景特征图和第一前景特征图执行空间注意力增强操作，以分别获得第一增强背景特征图和第一增强前景特征图，包括：
6.如权利要求1所述的工业缺陷图像生成方法，其特征在于，所述特征扩散模块包括一个第五卷积层，所述解码模块包括多个解码子模块，其中，前一级的所述解码子模块的输出作为后一级的所述解码子模块的输入；其中，每个所述解码子模块执行以下步骤：对所述扩散特征图执行反卷积操作或上采样操作而得到反卷积特征图；对所述反卷积特征图进行第一卷积...
【专利技术属性】
技术研发人员：曾利宏，杨洋，李杰明，黄淦，
申请(专利权)人：深圳市华汉伟业科技有限公司，
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。