【技术实现步骤摘要】
本公开涉及工业检测，尤其涉及训练数据集构建方法、装置、计算机设备及存储介质。
技术介绍
1、工业检测在工业生产中尤为重要，现阶段实际应用中仍以人工检测为主，但随着产业结构调整和生产自动化的推进，基于机器学习的工业检测逐渐替代人工检测。针对特定工业检测场景的项目需求，引入深度学习之前需完成大型数据集的制作与标注。
2、但是，在具体的工业检测场景中，所能采集到的关于检测目标的数据量是很小的，比如图像数据量，即工业检测场景中所能得到的用于机器学习模型训练的训练样本少的问题，是目前亟待解决的。即使目前有一些数据增强的方法来生成图像作为样本，但是难以生成高分辨率要求的图像，不利于后续检测的准确度。
技术实现思路
1、鉴于以上所述现有技术的缺点，本公开的目的在于提供训练数据集构建方法、装置、计算机设备及存储介质，解决相关技术中的问题。
2、本公开第一方面提供一种训练数据集构建方法，构建用于训练用于工业检测场景的目标识别模型的训练数据集，所述方法包括：获取采集自目标的原始数据集，...
【技术保护点】
1.一种训练数据集构建方法，其特征在于，构建用于训练用于工业检测场景的目标识别模型的训练数据集，所述方法包括：
2.根据权利要求1所述的训练数据集构建方法，其特征在于，所述目标识别模型用于工业产品的缺陷检测，所述第一图像中包含工业产品的表面缺陷部位。
3.根据权利要求1所述的训练数据集构建方法，其特征在于，包括：通过真实图像和生成图像之间的弗雷切特初始距离评估经训练的所述数据生成模型，以根据评估得分控制训练动作的执行。
4.根据权利要求1所述的训练数据集构建方法，其特征在于，所述图像生成层包括：前级的卷积层和后级的定制通用并行计内核...
【技术特征摘要】
1.一种训练数据集构建方法，其特征在于，构建用于训练用于工业检测场景的目标识别模型的训练数据集，所述方法包括：
2.根据权利要求1所述的训练数据集构建方法，其特征在于，所述目标识别模型用于工业产品的缺陷检测，所述第一图像中包含工业产品的表面缺陷部位。
3.根据权利要求1所述的训练数据集构建方法，其特征在于，包括：通过真实图像和生成图像之间的弗雷切特初始距离评估经训练的所述数据生成模型，以根据评估得分控制训练动作的执行。
4.根据权利要求1所述的训练数据集构建方法，其特征在于，所述图像生成层包括：前级的卷积层和后级的定制通用并行计内核；所述定制通用并行计算模块包括依次前后级设置的上采样层、非线性层和下采样层。
5.根据权利要求1所述的训练数据集构建方法，其特征在于，所述未训练的图像生成层的增加包括：截断上一阶段已训练的图像生成网络的最后n...
【专利技术属性】
技术研发人员：徐锟，彭涛，吴守仓，
申请(专利权)人：中冶宝钢技术服务有限公司，
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。