本发明专利技术公开了一种弱监督半监督缺陷感知分割方法、装置及电子设备，方法包括通过缺陷修复器的下采样模块和第一残差卷积块获取目标缺陷图像的原始特征；通过缺陷修复器的缺陷激活模块根据原始特征预先获取目标缺陷图像中缺陷位置对应的原始二值掩码；将通过缺陷激活模块根据原始特征获得的原始二值掩码，输入由缺陷实例归一化构建的残差卷积块，得到目标非缺陷图像。将所述目标缺陷图像与得到的所述对应的目标非缺陷图像进行二值差分，得到预测缺陷位置的预测二值掩码。本发明专利技术可以降低缺陷数据标注的工作量并提高缺陷感知的性能，可广泛应用于计算机视觉领域。泛应用于计算机视觉领域。泛应用于计算机视觉领域。
【技术实现步骤摘要】
一种弱监督半监督缺陷感知分割方法、装置及电子设备
[0001]本专利技术涉及计算机视觉领域，尤其是一种弱监督半监督缺陷感知分割方法、装置及电子设备。
技术介绍
[0002]由于工业产品质量的保证和维护的实际重要性，缺陷检测一直是研究界关注的焦点。然而，尽管计算机视觉的发展促进了缺陷检测任务的有效解决，但高昂的缺陷数据标注成本，特别是在像素级缺陷分割的任务场景中，限制了基于深度学习方法的能力。
[0003]因此，上述问题亟待解决。
技术实现思路
[0004]有鉴于此，本专利技术实施例提供一种弱监督半监督缺陷感知分割方法、装置及电子设备，用于降低缺陷数据标注的工作量并提高缺陷感知的性能。
[0005]本专利技术实施例的一方面提供了一种弱监督半监督缺陷感知分割方法，包括：
[0006]将目标缺陷图像输入至经过预先训练的缺陷修复器，得到所述目标缺陷图像对应的目标非缺陷图像；
[0007]将所述目标缺陷图像与得到的所述对应的目标非缺陷图像进行二值差分，得到预测缺陷位置的预测二值掩码；
[0008]所述缺陷修复器的训练过程为与缺陷生成器进行对抗损失训练，所述对抗损失训练的过程包括：
[0009]将第一缺陷图像输入至缺陷修复器，得到所述第一缺陷图像对应的第一非缺陷图像；将所述第一非缺陷图像输入至缺陷生成器，得到所述第一非缺陷图像对应的缺陷图像；
[0010]将新的一张非缺陷图像作为第二非缺陷图像，将所述第二非缺陷图像输入所述缺陷生成器，得到所述第二非缺陷图像对应的缺陷图像；将所述第二非缺陷图像对应的缺陷图像输入所述缺陷修复器，得到与所述第二非缺陷图像对应的非缺陷图像；
[0011]根据所述第一非缺陷图像对应的缺陷图像，与所述第二非缺陷图像对应的非缺陷图像进行交替对抗训练，得到经过预先训练的缺陷修复器。
[0012]可选地，所述将目标缺陷图像输入至经过预先训练的缺陷修复器，得到所述目标缺陷图像对应的目标非缺陷图像，包括：
[0013]通过所述缺陷修复器的下采样模块和第一残差卷积块获取目标缺陷图像的原始特征；
[0014]通过所述缺陷修复器的缺陷激活模块根据所述原始特征获取所述目标缺陷图像中缺陷位置对应的原始二值掩码；
[0015]将通过所述缺陷激活模块根据所述原始特征获得的所述原始二值掩码，输入由缺陷实例归一化构建的残差卷积块，得到目标非缺陷图像。
[0016]可选地，所述通过所述缺陷修复器的缺陷激活模块根据所述原始特征获取所述目
标缺陷图像中缺陷位置对应的原始二值掩码，包括：
[0017]通过缺陷激活模块分别对所述原始特征进行全局平均池化和全局最大池化，得到所述缺陷修复器对应的第一分类权重和所述缺陷生成器对应的第二分类权重；
[0018]根据所述第一分类权重和所述第二分类权重并结合特征激活响应的热力图获取所述目标缺陷图像中缺陷位置对应的原始二值掩码。
[0019]可选地，所述根据所述第一分类权重和所述第二分类权重并结合特征激活响应的热力图获取所述目标缺陷图像中缺陷位置对应的原始二值掩码，包括：
[0020]根据所述第一分类权重和所述第二分类权重计算所述原始特征的热力激活图；
[0021]根据所述热力激活图获取所述目标缺陷图像中缺陷位置对应的原始二值掩码。
[0022]可选地，所述由缺陷实例归一化组成的第二残差卷积块的构建过程，包括：
[0023]通过所述原始二值掩码提取前景特征和背景特征；
[0024]计算所述前景特征的均值和方差，并计算所述背景特征的均值和方差；
[0025]将所述前景特征的均值和方差，以及所述背景特征的均值和方差进行归一化处理，得到归一化特征；
[0026]合并所述归一化特征，并将合并后的归一化特征嵌入到残差卷积块，得到所述第二残差卷积块。
[0027]可选地，所述缺陷生成器和所述缺陷修复器在对抗损失训练过程中包括对缺陷数据和非缺陷数据的数据分布进行鉴别。
[0028]可选地，对抗损失训练过程的损失函数包括训练对抗损失函数、循环一致性损失函数、恒等映射损失函数、二值交叉熵损失函数以及背景一致性损失函数；
[0029]其中，所述训练对抗损失函数用于将输入图像从源域转换到目标域；
[0030]所述循环一致性损失函数用于将转换到目标域的输入图像重构回源域图像；
[0031]所述恒等映射损失函数用于确定缺陷感知模型的恒等映射输出，所述缺陷感知模型根据所述缺陷修复器和所述缺陷生成器得到；
[0032]所述二值交叉熵损失函数用于训练预设的分类器，以使所述分类器识别出输入的缺陷图像与非缺陷图像的区别特征；
[0033]所述背景一致性损失函数用于将输入的缺陷图像与非缺陷图像的背景保持一致。
[0034]本专利技术实施例的另一方面还提供了一种弱监督半监督缺陷感知分割装置，包括：
[0035]原始特征获取单元，用于通过缺陷修复器的下采样模块和第一残差卷积块获取目标缺陷图像的原始特征；
[0036]原始二值掩码获取单元，用于通过所述缺陷修复器的缺陷激活模块根据所述原始特征获取所述目标缺陷图像中缺陷位置对应的原始二值掩码；
[0037]缺陷修复单元，用于将通过所述缺陷激活模块根据所述原始特征获得的所述原始二值掩码，输入由缺陷实例归一化构建的残差卷积块，得到目标非缺陷图像；
[0038]所述缺陷修复器的训练过程为与缺陷生成器进行对抗损失训练，所述对抗损失训练的过程包括：
[0039]将第一缺陷图像输入至缺陷修复器，得到所述第一缺陷图像对应的第一非缺陷图像；将所述第一非缺陷图像输入至缺陷生成器，得到所述第一非缺陷图像对应的缺陷图像；
[0040]将新的一张非缺陷图像作为第二非缺陷图像，将所述第二非缺陷图像输入所述缺
陷生成器，得到所述第二非缺陷图像对应的缺陷图像；将所述第二非缺陷图像对应的缺陷图像输入所述缺陷修复器，得到与所述第二非缺陷图像对应的非缺陷图像；
[0041]根据所述第一非缺陷图像对应的缺陷图像，与所述第二非缺陷图像对应的非缺陷图像进行交替对抗训练，得到经过预先训练的缺陷修复器。
[0042]预测二值掩码获取单元，用于将所述目标缺陷图像与得到的所述对应的目标非缺陷图像进行二值差分，得到预测缺陷位置的预测二值掩码。
[0043]本专利技术实施例的另一方面还提供了一种电子设备，包括处理器以及存储器；
[0044]所述存储器用于存储程序；
[0045]所述处理器执行所述程序实现上述任一项所述的方法。
[0046]本专利技术实施例的另一方面还提供了一种计算机可读存储介质，所述存储介质存储有程序，所述程序被处理器执行实现上述任一项所述的方法。
[0047]本专利技术实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种弱监督半监督缺陷感知分割方法，其特征在于，包括：将目标缺陷图像输入至经过预先训练的缺陷修复器，得到所述目标缺陷图像对应的目标非缺陷图像；将所述目标缺陷图像与得到的所述对应的目标非缺陷图像进行二值差分，得到预测缺陷位置的预测二值掩码；所述缺陷修复器的训练过程为与缺陷生成器进行对抗损失训练，所述对抗损失训练的过程包括：将第一缺陷图像输入至缺陷修复器，得到所述第一缺陷图像对应的第一非缺陷图像；将所述第一非缺陷图像输入至缺陷生成器，得到所述第一非缺陷图像对应的缺陷图像；将新的一张非缺陷图像作为第二非缺陷图像，将所述第二非缺陷图像输入所述缺陷生成器，得到所述第二非缺陷图像对应的缺陷图像；将所述第二非缺陷图像对应的缺陷图像输入所述缺陷修复器，得到与所述第二非缺陷图像对应的非缺陷图像；根据所述第一非缺陷图像对应的缺陷图像，与所述第二非缺陷图像对应的非缺陷图像进行交替对抗训练，得到经过预先训练的缺陷修复器。2.根据权利要求1所述的一种弱监督半监督缺陷感知分割方法，其特征在于，所述将目标缺陷图像输入至经过预先训练的缺陷修复器，得到所述目标缺陷图像对应的目标非缺陷图像，包括：通过所述缺陷修复器的下采样模块和第一残差卷积块获取目标缺陷图像的原始特征；通过所述缺陷修复器的缺陷激活模块根据所述原始特征预先获取所述目标缺陷图像中缺陷位置对应的原始二值掩码；将通过所述缺陷激活模块根据所述原始特征获得的所述原始二值掩码，输入由缺陷实例归一化构建的残差卷积块，得到目标非缺陷图像。3.根据权利要求2所述的一种弱监督半监督缺陷感知分割方法，其特征在于，所述通过所述缺陷修复器的缺陷激活模块根据所述原始特征预先获取所述目标缺陷图像中缺陷位置对应的原始二值掩码，包括：通过缺陷激活模块分别对所述原始特征进行全局平均池化和全局最大池化，得到所述缺陷修复器对应的第一分类权重和所述缺陷生成器对应的第二分类权重；根据所述第一分类权重和所述第二分类权重并结合原始特征获取所述目标缺陷图像中缺陷位置对应的原始二值掩码。4.根据权利要求3所述的一种弱监督半监督缺陷感知分割方法，其特征在于，所述根据所述第一分类权重和所述第二分类权重并结合原始特征获取所述目标缺陷图像中缺陷位置对应的原始二值掩码，包括：根据所述第一分类权重和所述第二分类权重计算所述原始特征的热力激活图；根据所述热力激活图获取所述目标缺陷图像中缺陷位置对应的原始二值掩码。5.根据权利要求2所述的一种弱监督半监督缺陷感知分割方法，其特征在于，所述由缺陷实例归一化组成的第二残差卷积块的构建过程，包括：通过所述原始二值掩码提取前景特征和背景特征；计算所述前景特征的均值和方差，并计算所述背景特征的均值和方差；将所述前景特征的均值和方差，以及所述背景特征...
【专利技术属性】
技术研发人员：林旭新，梁延研，强孙源，李国钊，
申请(专利权)人：博衍科技珠海有限公司，
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。