【技术实现步骤摘要】
本申请属于计算机视觉，尤其涉及一种应用于工业表面检测的模型训练方法及装置。
技术介绍
1、在工业检测中，目前常通过深度学习算法训练用于工业表面检测的模型。在此基础上，可以通过工业表面检测的模型，对在多种光场下获得的图像数据进行分析。
2、但使用多种光场下获得的图像数据，增加了训练用于工业表面检测的模型的复杂性。当前的深度学习算法主要针对单光场的rgb图像，在需要使用多种光场下获得的图像数据，则需要分别获取每个光场下的图像数据，一方面需要获取大量标注的数据，另一方面不同光场条件下的光照和反射等因素引入了额外的噪声和变化。综上，现有技术训练应用于工业表面检测的模型的效率较低，模型的性能也较差。
技术实现思路
1、本申请旨在至少解决现有技术中存在的技术问题之一。为此，本申请提出一种应用于工业表面检测的模型训练方法及装置，能提高训练应用于工业表面检测的模型的效率。
2、第一方面，本申请提供了一种应用于工业表面检测的模型训练方法，该方法包括：
3、获取每一目标光场...
【技术保护点】
1.一种应用于工业表面检测的模型训练方法，其特征在于，包括：
2.根据权利要求1所述的应用于工业表面检测的模型训练方法，其特征在于，所述基于各所述样本图像和各所述样本图像对应的标签，对用于工业表面检测的模型进行训练，包括：
3.根据权利要求2所述的应用于工业表面检测的模型训练方法，其特征在于，所述第一目标概率是所述样本图像对应的目标光场对应的概率。
4.根据权利要求2所述的应用于工业表面检测的模型训练方法，其特征在于，所述针对每一所述样本图像，基于概率确定所述样本图像对应的目标光场是否参与所述模型的训练之后，还包括：
5...
【技术特征摘要】
1.一种应用于工业表面检测的模型训练方法，其特征在于，包括：
2.根据权利要求1所述的应用于工业表面检测的模型训练方法，其特征在于，所述基于各所述样本图像和各所述样本图像对应的标签，对用于工业表面检测的模型进行训练，包括：
3.根据权利要求2所述的应用于工业表面检测的模型训练方法，其特征在于，所述第一目标概率是所述样本图像对应的目标光场对应的概率。
4.根据权利要求2所述的应用于工业表面检测的模型训练方法，其特征在于，所述针对每一所述样本图像，基于概率确定所述样本图像对应的目标光场是否参与所述模型的训练之后，还包括：
5.根据权利要求1所述的应用于工业表面检测的模型训练方法，其特征在于，所述基于各所述样本图像和各所述样本图像对应的标签，对用于工业表面检测的模型进行训练，包括：
6.根据权利要求1...
【专利技术属性】
技术研发人员：杨溪，唐永亮，
申请(专利权)人：深圳市凌云视迅科技有限责任公司，
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。