【技术实现步骤摘要】
本专利技术涉及布料检测的，特别是涉及一种布料缺陷图像的生成方法、一种布料缺陷图像的生成装置、一种电子设备和存储介质。
技术介绍
1、随着纺织工业的快速发展，为了帮助布匹生产现场迅速排查生产失误提高产量，基于深度学习神经网络的下游任务算法被广泛应用于布匹产品的质量检测中，这些方法的训练通常需要大量数据。
2、然而，对于成熟产线，具有缺陷数据采集所需周期长、数据量不足的问题，不同布匹型号瑕疵形态差异较大，众多下游任务算法在不同型号布匹数据上的兼容困难，在更换产线时新算法的部署上线所需时间大。
3、针对以上问题，如果能短时间内利用可获取的少量样本生成更多类似数据，能够大大缓解当前布匹缺陷检测领域的业务痛点。
技术实现思路
1、鉴于上述问题，提出了以便提供克服上述问题或者至少部分地解决上述问题的一种布料缺陷图像的生成方法、一种布料缺陷图像的生成装置、一种电子设备和存储介质，包括：
2、一种布料缺陷图像的生成方法，所述方法包括：
3、确定用户输入的缺陷
<本文档来自技高网...【技术保护点】
1.一种布料缺陷图像的生成方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，所述根据所述第一数据集，进行多类别缺陷数据无监督混合预训练，得到多个第一模型，包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所述第二数据集，对所述多个第一模型进行训练，得到所述第二模型，包括：
6.根据权利要求3所述的方法，其特征在于，所述方法还包括：
7.根据权利要...
【技术特征摘要】
1.一种布料缺陷图像的生成方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，所述根据所述第一数据集，进行多类别缺陷数据无监督混合预训练，得到多个第一模型，包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所述第二数据集，对所述多个第一模型进行训练，得到所述第二模型，包括：
6.根据权利要求3所述的方法，其特征在于，所述方法还...
【专利技术属性】
技术研发人员：申佳晨，
申请(专利权)人：中电信人工智能科技北京有限公司，
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。