[发明专利]分类模型训练方法、瑕疵检测方法、装置和电子设备

说明书

本申请提供了一种分类模型训练方法、瑕疵检测方法、装置和电子设备，其中，该分类模型训练方法包括：使用第一训练集，对初始提取模型进行训练，以得到目标提取模型；使用该目标提取模型提取第二训练集中的各张瑕疵图片进行特征提取，以得到瑕疵特征集；使用该瑕疵特征集，对初始分类模型进行训练，以得到目标分类模型。

技术领域

本申请涉及图片处理领域，具体而言，涉及一种分类模型训练方法、瑕疵检测方法、装置和电子设备。

背景技术

在多个场景下制作产品之前，或者生产出产品后，为了提高生产的有效性，以及生产的产品品质，需要对产品或产品的原材料是否存在瑕疵进行检查，常见的工业上的瑕疵有油污、划痕、破损等，常见的原材料有布匹、钢材、纸张等，常见的产品服装、书本等。但是目前针对产品或原材料的瑕疵的检测准确率较低。

发明内容

有鉴于此，本申请实施例的目的在于提供一种分类模型训练方法、瑕疵检测方法、装置和电子设备，能够改善针对产品或原材料的瑕疵的检测准确率低的问题。

第一方面，本申请实施例提供了一种分类模型训练方法，包括：

使用第一训练集，对初始提取模型进行训练，以得到目标提取模型；

使用所述目标提取模型提取第二训练集中的各张瑕疵图片进行特征提取，以得到瑕疵特征集；

使用所述瑕疵特征集，对初始分类模型进行训练，以得到目标分类模型。

在一可选的实施方式中，所述使用第一训练集，对初始提取模型进行训练，以得到目标提取模型，包括：

将所述第一训练集输入当前提取模型，以得到各张训练图的图片特征，所述当前提取模型为初始提取模型，或所述当前提取模型为对所述初始提取模型的参数进行更新后的提取模型；

根据所述各张训练图的图片特征，计算各张训练图之间的相似度；

根据所述各张训练图之间的相似度，确定出所述当前提取模型的损失值；

若所述损失值大于预设值，调整所述当前提取模型的参数，以得到更新后的当前提取模型；

若所述损失值不大于预设值，当前提取模型作为目标提取模型。

在上述实现方式中，通过上述自监督的方式进行训练，不依赖于标注数据，可以减少对提取模型训练所需的工作量。

在一可选的实施方式中，所述方法还包括：

对采样得到的样本图片集进行增强处理，得到所述第一训练集。

在上述实现方式中，通过采用增强处理方式，增加瑕疵训练集中的瑕疵数据量，因此，可以降低对瑕疵图片的收集需求，提高获得瑕疵图片的效率。

在一可选的实施方式中，所述对采样得到的样本图片集进行增强处理，得到所述第一训练集，包括：

对采样得到的样本图片集中的样本图采用第一增强方式进行处理，得到第一类训练图集；

对所述样本图片集中的样本图采用第二增强方式进行处理，得到第二类训练图集，所述第一增强方式与所述第二增强方式为不同的数据增强方式，所述第一训练集包括所述第一类训练图集和第二类训练图集。

在一可选的实施方式中，所述对所述样本图片集中的样本图采用第二增强方式进行处理，得到第二类训练图集，包括：

对所述样本图片集中的目标样本图采用第二增强方式进行处理，得到第二类训练图集，所述目标样本图为经过第一增强方式处理过的原始样本图，所述第二类训练图集中的任一训练图与所述第一类训练图集中的至少一张训练图为同一样本图增强处理得到。