【技术实现步骤摘要】
本专利技术涉及深度学习和计算机视觉，尤其涉及一种基于预训练模型的产品缺陷无监督语义分割方法及装置。
技术介绍
1、近些年，随着对人工智能深度学习技术的深入研究，工业领域的智能检测技术已经愈发成熟，也逐步得到了广泛应用。
2、表面缺陷分类是工业领域中一项重要任务。目前，深度学习技术在该领域中应用最多的是图像分类，即将输入的图像分类为缺陷和良品。然而，分类任务提供的信息有限，在工业领域中更希望获取产品缺陷的详细信息。与分类任务不同，语义分割可以对图像中的每个像素进行分类，从而将缺陷区域从图像中分割出来，提供更详细的缺陷信息。
3、现有的工业缺陷无监督语义分割方法大多通过算法模型提取图像中的缺陷特征，然后根据特征计算缺陷的类型和位置，最后将检测结果反馈给执行机构，执行产品的分拣任务，上述方式过于依赖人工，人工选择和调整的特征可能无法全面、准确地涵盖所有可能的缺陷情况，导致缺陷分类精度不够理想。
技术实现思路
1、本专利技术提供了一种基于预训练模型的产品缺陷无监督语义分割方...
【技术保护点】
1.一种基于预训练模型的产品缺陷无监督语义分割方法，其特征在于，包括：
2.根据权利要求1所述的一种基于预训练模型的产品缺陷无监督语义分割方法，其特征在于，所述基于缺陷潜空间特征的自学习点生成提示器的预置分割网络包括基于缺陷潜空间特征的自学习点生成提示器、分割网络图像解码器、分割网络点提示编码器和掩码提议生成器；所述采用基于缺陷潜空间特征的自学习点生成提示器的预置分割网络根据所述待检测工业产品图像和所述工业产品参考图像，生成目标缺陷分割掩码，并基于所述目标缺陷分割掩码，生成目标裁剪图像，包括：
3.根据权利要求2所述的一种基于预训练模型的产品缺...
【技术特征摘要】
1.一种基于预训练模型的产品缺陷无监督语义分割方法，其特征在于，包括：
2.根据权利要求1所述的一种基于预训练模型的产品缺陷无监督语义分割方法，其特征在于，所述基于缺陷潜空间特征的自学习点生成提示器的预置分割网络包括基于缺陷潜空间特征的自学习点生成提示器、分割网络图像解码器、分割网络点提示编码器和掩码提议生成器；所述采用基于缺陷潜空间特征的自学习点生成提示器的预置分割网络根据所述待检测工业产品图像和所述工业产品参考图像，生成目标缺陷分割掩码，并基于所述目标缺陷分割掩码，生成目标裁剪图像，包括：
3.根据权利要求2所述的一种基于预训练模型的产品缺陷无监督语义分割方法，其特征在于，所述采用基于缺陷潜空间特征的自学习点生成提示器根据所述待检测工业产品图像和所述工业产品参考图像，确定目标背景点提示坐标集和目标前景点提示坐标集，包括：
4.根据权利要求3所述的一种基于预训练模型的产品缺陷无监督语义分割方法，其特征在于，所述根据所述待检测工业产品图像和所述工业产品参考图像，生成缺陷特征、产品检测图像重塑特征和产品参考图像重塑特征，包括：
5.根据权利要求3所述的一种基于预训练模型的产品缺陷无监督语义分割方法，其特征在于，所述采用匈牙利算法根据所述缺陷特征、所述产品检测图像重塑特征和所述产品参考图像重塑特征，输出多个正向点提示特征坐标和多个反向点提示特征坐标，包括：
6.根据权利要求3所述的一种基于...
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。