[发明专利]坝面缺陷分类模型训练方法及装置

权利要求书

1.一种坝面缺陷分类模型训练方法，其特征在于，所述方法包括：

获取坝面图像，并对所述坝面图像进行增广处理，得到包含所述坝面图像所有内容的多张增广图像；

对每张所述增广图像均进行图像增强，得到多张包含边缘特征信息的增强图像；

获取每张所述增强图像的缺陷分类标签；

利用多张所述增强图像及每张所述增强图像对应的缺陷分类标签，对预先建立的坝面缺陷分类模型进行训练，得到训练后的坝面缺陷分类模型；

所述对每张所述增广图像均进行图像增强，得到多张包含边缘特征信息的增强图像的步骤，包括：

对每张所述增广图像均进行双重边缘检测，得到每张增广图像对应的边缘图像；

对每张所述边缘图像均进行频率域特征提取，得到多张包含边缘特征信息的增强图像；

所述利用多张所述增强图像及每张所述增强图像对应的缺陷分类标签，对预先建立的坝面缺陷分类模型进行训练，得到训练后的坝面缺陷分类模型的步骤，包括：

将多张所述增强图像输入预先建立的坝面缺陷分类模型，利用所述坝面缺陷分类模型的特征提取网络进行特征提取，得到每张所述增强图像对应的坝面特征图；

将每张所述坝面特征图输入所述坝面缺陷分类模型的分类网络，得到每张所述增强图像对应的预测分类结果；

依据每张所述增强图像对应的预测分类结果和缺陷分类标签，对所述坝面缺陷分类模型进行参数更新，得到训练后的坝面缺陷分类模型；

所述特征提取网络包括第一卷积层、下采样层、预训练网络及第二卷积层，所述将多张所述增强图像输入预先建立的坝面缺陷分类模型，利用所述坝面缺陷分类模型的特征提取网络进行特征提取，得到每张所述增强图像对应的坝面特征图的步骤，包括：

将每张所述增强图像输入所述第一卷积层进行卷积处理，得到每张所述增强图像对应的第一特征图；

将每张所述增强图像对应的第一特征图输入所述下采样层进行尺寸缩小处理，得到每张所述增强图像对应的第二特征图；

将每张所述增强图像对应的第二特征图输入所述预训练网络进行特征向量计算，得到每张所述增强图像对应的第三特征图；

将每张所述增强图像对应的第三特征图输入所述第二卷积层再次进行卷积处理，得到每张所述增强图像对应的坝面特征图。

2.如权利要求1所述的方法，其特征在于，所述对所述坝面图像进行增广处理，得到包含所述坝面图像所有内容的多张增广图像的步骤，包括：

对所述坝面图像进行仿射变换、和/或颜色明暗变换、和/或裁剪处理，得到包含所述坝面图像所有内容的多张增广图像。

3.如权利要求1所述的方法，其特征在于，所述对每张所述增广图像均进行双重边缘检测，得到每张增广图像对应的边缘图像的步骤，包括：

利用第一边缘检测算子分别对每张增广图像进行边缘检测，得到每张增广图像的第一检测结果；

利用第二边缘检测算子分别对每张增广图像进行边缘检测，得到每张增广图像的第二检测结果；

将每张增广图像的第一检测结果和第二检测结果相乘，得到每张增广图像对应的边缘图像。

4.如权利要求1所述的方法，其特征在于，所述对每张所述边缘图像均进行频率域特征提取，得到多张包含边缘特征信息的增强图像的步骤，包括：

利用拉普拉斯算子对每张所述边缘图像均进行频率域特征提取，得到多张包含边缘特征信息的增强图像。

5.如权利要求1所述的方法，其特征在于，所述依据每张所述增强图像对应的预测分类结果和缺陷分类标签，对所述坝面缺陷分类模型进行参数更新，得到训练后的坝面缺陷分类模型的步骤，包括：

依据每张所述增强图像对应的预测分类结果和缺陷分类标签，得到每张所述增强图像对应的损失函数；

计算每个所述损失函数的梯度，并依据每个所述损失函数的梯度调整所述坝面缺陷分类模型的参数，直至每张所述增强图像对应的损失函数满足预设条件，得到训练后的坝面缺陷分类模型。

6.如权利要求1-5任一项所述的方法，其特征在于，所述方法还包括：

获取待分类图像，并将所述待分类图像输入所述训练后的坝面缺陷分类模型，得到所述待分类图像的坝面缺陷分类结果。

7.一种坝面缺陷分类模型训练装置，其特征在于，所述装置包括：

获取模块，用于获取坝面图像，并对所述坝面图像进行增广处理，得到包含所述坝面图像所有内容的多张增广图像；对每张所述增广图像均进行图像增强，得到多张包含边缘特征信息的增强图像；获取每张所述增强图像的缺陷分类标签；

处理模块，用于利用多张所述增强图像及每张所述增强图像对应的缺陷分类标签，对预先建立的坝面缺陷分类模型进行训练，得到训练后的坝面缺陷分类模型；

所述获取模块用于通过以下步骤对每张所述增广图像均进行图像增强，得到多张包含边缘特征信息的增强图像：

对每张所述增广图像均进行双重边缘检测，得到每张增广图像对应的边缘图像；

对每张所述边缘图像均进行频率域特征提取，得到多张包含边缘特征信息的增强图像；

所述处理模块通过以下步骤实现利用多张所述增强图像及每张所述增强图像对应的缺陷分类标签，对预先建立的坝面缺陷分类模型进行训练，得到训练后的坝面缺陷分类模型：

将多张所述增强图像输入预先建立的坝面缺陷分类模型，利用所述坝面缺陷分类模型的特征提取网络进行特征提取，得到每张所述增强图像对应的坝面特征图；

将每张所述坝面特征图输入所述坝面缺陷分类模型的分类网络，得到每张所述增强图像对应的预测分类结果；

依据每张所述增强图像对应的预测分类结果和缺陷分类标签，对所述坝面缺陷分类模型进行参数更新，得到训练后的坝面缺陷分类模型；

所述特征提取网络包括第一卷积层、下采样层、预训练网络及第二卷积层，所述将多张所述增强图像输入预先建立的坝面缺陷分类模型，利用所述坝面缺陷分类模型的特征提取网络进行特征提取，得到每张所述增强图像对应的坝面特征图的步骤，包括：

将每张所述增强图像输入所述第一卷积层进行卷积处理，得到每张所述增强图像对应的第一特征图；

将每张所述增强图像对应的第一特征图输入所述下采样层进行尺寸缩小处理，得到每张所述增强图像对应的第二特征图；

将每张所述增强图像对应的第二特征图输入所述预训练网络进行特征向量计算，得到每张所述增强图像对应的第三特征图；

将每张所述增强图像对应的第三特征图输入所述第二卷积层再次进行卷积处理，得到每张所述增强图像对应的坝面特征图。