【技术实现步骤摘要】
本申请属于工业检测，尤其涉及一种用于工业场景下的模型训练方法和装置。
技术介绍
1、预训练-微调是当前计算机视觉任务的通用范式，在大规模数据集上学习提取图像的通用表征，在下游数据集进行快速迁移。相关技术中，预训练模型是基于自然场景的计算机视觉系统识别数据集得到的。但是预训练模型在应用于工业场景时，由于工业场景和自然场景的显著差异，预训练模型在下游任务的应用环节训练效率低且分类精度低。
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，本申请提出一种用于工业场景下的模型训练方法和装置，使得训练得到的目标模型有效用于工业检测场景，在目标模型用于下游任务的情况下，显著提高训练效率以及分类精度。
2、第一方面，本申请提供了一种用于工业场景下的模型训练方法，目标模型包括图像掩码模块和对比学习模块；该方法包括：
3、基于第一训练样本训练所述图像掩码模块，得到第一损失函数；基于第二训练样本训练所述对比学习模块，得到第二损失函数；所述图像掩码模块包括稀疏卷积层...
【技术保护点】
1.一种用于工业场景下的模型训练方法，其特征在于，目标模型包括图像掩码模块和对比学习模块；所述方法包括：
2.根据权利要求1所述的用于工业场景下的模型训练方法，其特征在于，所述基于第一训练样本训练所述图像掩码模块，得到第一损失函数，包括：
3.根据权利要求2所述的用于工业场景下的模型训练方法，其特征在于，所述图像掩码模块还包括解码器；所述对所述稀疏特征图进行致密化处理以及解码处理，得到还原图，包括：
4.根据权利要求1-3任一项所述的用于工业场景下的模型训练方法，其特征在于，所述基于第二训练样本训练所述对比学习模块，得到第二损失函数
【技术特征摘要】
1.一种用于工业场景下的模型训练方法，其特征在于，目标模型包括图像掩码模块和对比学习模块；所述方法包括：
2.根据权利要求1所述的用于工业场景下的模型训练方法，其特征在于，所述基于第一训练样本训练所述图像掩码模块，得到第一损失函数，包括：
3.根据权利要求2所述的用于工业场景下的模型训练方法，其特征在于，所述图像掩码模块还包括解码器；所述对所述稀疏特征图进行致密化处理以及解码处理，得到还原图，包括：
4.根据权利要求1-3任一项所述的用于工业场景下的模型训练方法，其特征在于，所述基于第二训练样本训练所述对比学习模块，得到第二损失函数，包括：
5.根据权利要求4所述的用于工业场景下的模型训练方法，其特征在于，所述对比学习模块还包括moco编码器，所述moco编码器的输出端与所述mocov3编码器的输入端连接；所述将所述第二训练样本输入至所述mocov3编码器，获取所述mocov3编码...
【专利技术属性】
技术研发人员：邓东升，高鹏程，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。