【技术实现步骤摘要】
本项专利技术属于深度学习合成相关领域，主要涉及一种用于提高微小缺陷目标生成效果的方法。
技术介绍
1、在工业制造以及检测领域中，微小缺陷目标的检测一直是一项具有挑战性的任务，对于背景较为简单的产品图，通常依靠传统算法或者人工辨别的方式，对于背景较复杂的产品图，通常依靠深度学习的方式来解决。
2、以上的技术虽然已经取得了一定的成果，但仍然存在着以下几个问题：1、传统算法方式无法处理背景复杂，干扰性强的产品图。2、常用的深度学习方式处理微小目标效果不佳，例如检测率低下、误检率高等问题。
3、常见的方式为改变深度学习网络结构，例如增加不同的检测头等，该方式在面对数据较少时，难以发挥作用。
技术实现思路
1、针对现有技术存在的不足，本专利技术提供了用于提高微小缺陷目标生成效果的方法，该方案通过合成微小目标缺陷的方式来扩充数据集多样性从而达到提高模型检测准确率的目的。
2、为实现上述目的，本专利技术提供如下技术方案:
3、用于提高微小缺陷目标生成效果的...
【技术保护点】
1.用于提高微小缺陷目标生成效果的方法，其特征在于，包括以下步骤：图像收集阶段，图像采集模块采集产品图；采集的图像通过预处理模块进行图像中微小缺陷的提取操作，然后将处理后的图像经由目标合成模块进行目标的合成；将合成的数据以及真实缺陷数据通过模型训练模块进行模型的训练，训练结束后通过模型推理模块得到模型的推理结果，此时根据结果进行复判缺陷目标合成的好坏并决定是否需要继续目标的合成，若需要则继续目标的合成直到达到合成效果，若不需要则将模型推理结果传递至结果显示模块。
2.如权利要求1所述的用于提高微小缺陷目标生成效果的方法，其特征在于，目标合成模块合成方法包括...
【技术特征摘要】
1.用于提高微小缺陷目标生成效果的方法，其特征在于，包括以下步骤：图像收集阶段，图像采集模块采集产品图；采集的图像通过预处理模块进行图像中微小缺陷的提取操作，然后将处理后的图像经由目标合成模块进行目标的合成；将合成的数据以及真实缺陷数据通过模型训练模块进行模型的训练，训练结束后通过模型推理模块得到模型的推理结果，此时根据结果进行复判缺陷目标合成的好坏并决定是否需要继续目标的合成，若需要则继续目标的合成直到达到合成效果，若不需要则将模型推理结果传递至结果显示模块。
2.如权利要求1所述的用于提高微小缺陷目标生成效果的方法，其特征在于，目标合成模块合成方法包括基于像素分析的目标合成、基于深度学习的目标合成。
3.如权利要求2所述的用于提高微小缺陷目标生成效果的方法，其特征在于，基于像素分析的目标合成过程包括：首先获取带有缺陷的图像，通过二值化、降噪、增强对比度、阈值分割...
【专利技术属性】
技术研发人员：黄冠杰，陈红星，
申请(专利权)人：上海帆声软件有限公司，
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。