System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及图像数据集预处理领域,特别是涉及一种提高工业图像检测模型准确率的方法。
技术介绍
1、在现今的工业领域中,基于深度学习的图像检测模型在各类应用中扮演着关键角色,如工业自动化、质检、智能监控等等。如今的图像检测模型在一些特定环境或数据集下,即模型在标准条件下表现良好。
2、但在实际应用场景中,由于工业图像检测模型进行实时检测时,摄像头的焦距会因为许多环境因素导致产生变化,如传输带高速传输容易产生抖动,导致摄像头的焦距受到影响,进而使目标对象(即待检测、检测、分割等的目标)在输入图像的占比变化;同时,因为目标对象处于移动状态,以及物料、光照等变化容易导致感兴趣区域(region ofinterest,roi)裁剪方式发生变化,即裁剪出的输入图像长宽比变化,进而导致图像检测模型针对输入图像的目标对象检测、分割等过程中,准确率会产生明显的波动,最终导致工业实际应用时容易产生间歇性的耽误、误检等情况。
技术实现思路
1、基于此,本专利技术的目的在于,提供一种提高工业图像检测模型准确率的方法。
2、一种提高工业图像检测模型准确率的方法,通过对原始图像训练数据集的工业样本的动态尺寸数据增强,获得一增强图像训练数据集,然后通过该增强图像训练数据集对图像检测模型训练;其中,对原始图像训练数据集的工业样本的动态尺寸数据增强包括以下步骤:
3、s1:对原始图像的横轴和纵轴分别设置一动态随机数,并随机排序为第一动态随机数和第二动态随机数;
4、
5、s3:判断所述第二动态随机数是否大于1;若是,对过渡图像的第二动态随机数对应的轴进行随机填充;若否,对过渡图像的第二动态随机数对应的轴进行随机裁剪;得到增强图像。
6、本专利技术所述的工业样本动态尺寸数据增强方法能够更加细粒度地在图像的横纵两个方向上各自增强,可以同时做到整图裁剪、整图填充以及一个方向裁剪另一个方向填充的多样化数据增强,进而解决摄像头焦距发生变化导致目标对象在图像中的占比发生变化,以及roi截取方式不同,导致图像长宽比不同,进而使模型检测、分割等方面的准确率出现波动的问题。
7、进一步地,所述随机填充为随机地对图像的行或列边缘补0,同时填充不等距;
8、所述随机裁剪为随机地对图像的行或列边缘进行裁剪,同时裁剪不等距。
9、进一步地,所述填充不等距为使一边填充得少、另一边填充得多或仅单边填充;
10、所述裁剪不等距为使图像一边裁剪得少、另一边裁剪得多或仅单边裁剪。
11、通过所述随机裁剪、随机填充和裁剪不等距、填充不等距,使模型训练时使用本增强方法增强后训练样本训练后,当目标对象在图像中的占比、长宽比、位置发生变化时,模型检测、分割等方面的准确率不会受影响。
12、进一步地,所述第一动态随机数和第二动态随机数的采样范围均为0.8至1.2之间。
13、根据经验得知,该参数限定为针对工业上中小训练样本,合理的采样范围,可以让所有训练样本的所有情况都能增强,同时不会使模型过拟合。
14、一种准确率高的工业图像检测模型,其通过以增强图像训练数据集的训练;其中,所述增强图像数据集通过对原始图像训练数据集的工业样本的动态尺寸数据增强获得,所述工业样本的动态尺寸数据增强步骤为上述所述的提高工业图像检测模型准确率的方法。
15、一种对工业图像检测模型提供增强训练数据集的动态尺寸数据增强装置,包括随机数设置模块、第一图像处理模块和第二图像处理模块;
16、所述随机数设置模块用于对原始图像的横轴和纵轴分别设置一动态随机数,并随机排序为第一动态随机数和第二动态随机数;
17、所述第一图像处理模块用于判断所述第一动态随机数是否大于1;若是,对原始图像的第一动态随机数对应的轴进行随机填充;若否,对原始图像的第一动态随机数对应的轴进行随机裁剪;得到过渡图像;
18、所述第二图像处理模块用于判断所述第二动态随机数是否大于1;若是,对过渡图像的第二动态随机数对应的轴进行随机填充;若否,对过渡图像的第二动态随机数对应的轴进行随机裁剪;得到增强图像。
19、为了更好地理解和实施,下面结合附图详细说明本专利技术。
本文档来自技高网...【技术保护点】
1.一种提高工业图像检测模型准确率的方法,其特征在于,通过对原始图像训练数据集的工业样本的动态尺寸数据增强,获得一增强图像训练数据集,然后通过该增强图像训练数据集对图像检测模型训练;其中,对原始图像训练数据集的工业样本的动态尺寸数据增强包括以下步骤:
2.根据权利要求1所述的提高工业图像检测模型准确率的方法,其特征在于,所述随机填充为随机地对图像的行或列边缘补0,同时填充不等距;
3.根据权利要求2所述的提高工业图像检测模型准确率的方法,其特征在于,所述填充不等距为使一边填充得少、另一边填充得多或仅单边填充;
4.根据权利要求3所述的提高工业图像检测模型准确率的方法,其特征在于,所述第一动态随机数和第二动态随机数的采样范围均为0.8至1.2之间。
5.一种准确率高的工业图像检测模型,其特征在于,其通过一增强图像训练数据集的训练;其中,所述增强图像数据集通过对原始图像训练数据集的工业样本的动态尺寸数据增强获得,包括以下步骤:
6.根据权利要求5所述的一种准确率高的工业图像检测模型,其特征在于,所述随机填充为随机地对图像的行
7.根据权利要求6所述的一种准确率高的工业图像检测模型,其特征在于,所述第一动态随机数和第二动态随机数的采样范围均为0.8至1.2之间。
8.一种对工业图像检测模型提供增强训练数据集的动态尺寸数据增强装置,其特征在于,包括随机数设置模块、第一图像处理模块和第二图像处理模块;
9.根据权利要求8所述的动态尺寸数据增强装置,其特征在于,所述随机填充为随机地对图像的行或列边缘补0,同时填充不等距;
10.根据权利要求9所述的动态尺寸数据增强装置,其特征在于,所述填充不等距为使一边填充得少、另一边填充得多或仅单边填充;
11.一种电子设备,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,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述的一种提高工业图像检测模型准确率的方法。
12.一种计算机可读存储介质,存储有计算机可执行指令,其特征在于,所述计算机可执行指令用于权利要求1至4任一项所述的一种提高工业图像检测模型准确率的方法。
...【技术特征摘要】
1.一种提高工业图像检测模型准确率的方法,其特征在于,通过对原始图像训练数据集的工业样本的动态尺寸数据增强,获得一增强图像训练数据集,然后通过该增强图像训练数据集对图像检测模型训练;其中,对原始图像训练数据集的工业样本的动态尺寸数据增强包括以下步骤:
2.根据权利要求1所述的提高工业图像检测模型准确率的方法,其特征在于,所述随机填充为随机地对图像的行或列边缘补0,同时填充不等距;
3.根据权利要求2所述的提高工业图像检测模型准确率的方法,其特征在于,所述填充不等距为使一边填充得少、另一边填充得多或仅单边填充;
4.根据权利要求3所述的提高工业图像检测模型准确率的方法,其特征在于,所述第一动态随机数和第二动态随机数的采样范围均为0.8至1.2之间。
5.一种准确率高的工业图像检测模型,其特征在于,其通过一增强图像训练数据集的训练;其中,所述增强图像数据集通过对原始图像训练数据集的工业样本的动态尺寸数据增强获得,包括以下步骤:
6.根据权利要求5所述的一种准确率高的工业图像检测模型,其特征在于,所述随机填充为随机地对...
【专利技术属性】
技术研发人员:张权,王刚,赵哲,邓镇健,
申请(专利权)人:广州市易鸿智能装备股份有限公司,
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。