一种基于CGNET的缺陷样本图像的生成方法和生成装置制造方法及图纸

本申请提供了一种基于CGNET的缺陷样本图像的生成方法和生成装置，所述生成方法包括：获取原始缺陷烟盒样本图像；将所述原始缺陷烟盒样本图像输入到预先训练好的图像生成模型，以获得新的缺陷烟盒样本图像；基于所述原始缺陷烟盒样本图像和所述新的缺陷烟盒样本图像确定用于训练烟盒缺陷检测模型的缺陷烟盒样本图像。所述生成方法，能够解决现有技术中缺陷烟盒样本图像的数量较少的问题，提高了训练出来的烟盒缺陷检测模型的准确性，以及烟盒生产过程中识别出来的缺陷烟盒的准确度。

【技术实现步骤摘要】

本申请涉及图像处理，尤其是涉及一种基于cgnet的缺陷样本图像的生成方法和生成装置。

技术介绍

1、在烟盒生产过程中，一般需要利用图像处理技术来识别生产过程中存在缺陷的烟盒。

2、目前，由于在现实中存在缺陷的烟盒的数量较少，因此，导致缺陷烟盒样本图像数量较少，进而导致使用该较少的缺陷烟盒样本图像训练出来的烟盒缺陷检测模型不够准确，进而使得在烟盒生产过程中识别缺陷烟盒的准确度较低。

技术实现思路

1、有鉴于此，本申请的目的在于提供一种基于cgnet的缺陷样本图像的生成方法和生成装置，以生成更多的缺陷烟盒样本图像。

2、第一方面，本申请实施例提供了一种基于cgnet的缺陷样本图像的生成方法，所述生成方法包括：

3、获取原始缺陷烟盒样本图像；

4、将所述原始缺陷烟盒样本图像输入到预先训练好的图像生成模型，以获得新的缺陷烟盒样本图像；

5、基于所述原始缺陷烟盒样本图像和所述新的缺陷烟盒样本图像确定用于训练烟盒缺陷检测模型的缺陷烟盒样本图像。

6、本文档来自技高网...

【技术保护点】

1.一种基于CGNET的缺陷样本图像的生成方法，其特征在于，所述生成方法包括：

2.根据权利要求1所述的生成方法，其特征在于，所述图像生成模型包括：GAN网络和CGNET网络；所述将所述原始缺陷烟盒样本图像输入到预先训练好的图像生成模型，以获得新的缺陷烟盒样本图像，包括：

3.根据权利要求2所述的生成方法，其特征在于，所述CGNET网络包括噪声生成网络、视觉调节网络和多任务网络；

4.根据权利要求3所述的生成方法，其特征在于，所述噪声生成网络包括BN层、隐含层、噪声层和融合层；所述将所述第一特征向量输入到所述噪声生成网络进行噪声生成处理，生成噪声向量，...

【技术特征摘要】

1.一种基于cgnet的缺陷样本图像的生成方法，其特征在于，所述生成方法包括：

2.根据权利要求1所述的生成方法，其特征在于，所述图像生成模型包括：gan网络和cgnet网络；所述将所述原始缺陷烟盒样本图像输入到预先训练好的图像生成模型，以获得新的缺陷烟盒样本图像，包括：

3.根据权利要求2所述的生成方法，其特征在于，所述cgnet网络包括噪声生成网络、视觉调节网络和多任务网络；

4.根据权利要求3所述的生成方法，其特征在于，所述噪声生成网络包括bn层、隐含层、噪声层和融合层；所述将所述第一特征向量输入到所述噪声生成网络进行噪声生成处理，生成噪声向量，包括：

5.根据权利要求3所述的生成方法，其特征在于，所述视觉调节网络包括第一视觉神经网络组、第二视觉神经网络组和第三视觉神经网络组；所述将所述噪声向量和所述第一特征向量输入到所述视觉调节网络进行向量调节，获得调节后的特征向量，...

【专利技术属性】
技术研发人员：李小龙，李晓波，黄银祥，
申请(专利权)人：北京远舢智能科技有限公司，
类型：发明
国别省市：