[发明专利]缺陷检测模型的训练和缺陷检测方法及其装置

权利要求书

1.一种缺陷检测模型的训练方法，所述方法包括：

获取未标注的第一样本图像；其中，所述第一样本图像展示有第一产品；

采用教师缺陷检测模型分别对所述第一样本图像进行所述第一产品的缺陷的回归预测和类别预测，以得到第一回归特征和第一分类特征；

采用学生缺陷检测模型分别对所述第一样本图像进行所述第一产品的缺陷的回归预测和类别预测，以得到第二回归特征和第二分类特征；

根据所述第一回归特征和所述第二回归特征确定第一回归损失值，并根据所述第一分类特征和所述第二分类特征确定第一分类损失值；

根据所述第一回归损失值和所述第一分类损失值，对所述教师缺陷检测模型和所述学生缺陷检测模型进行联合训练。

2.根据权利要求1所述的方法，其中，所述第一回归特征包括多个第一维度的第一子特征，所述第二回归特征包括所述多个第一维度的第二子特征；

所述根据所述第一回归特征和所述第二回归特征确定第一回归损失值，包括：

从所述多个第一维度的第一子特征中选择第一设定比例的第一子特征，并拼接得到第一拼接特征；

从所述多个第一维度的第二子特征中选择所述第一设定比例的第二子特征，并拼接得到第二拼接特征；

根据所述第一拼接特征和所述第二拼接特征之间的差异，确定所述第一回归损失值。

3.根据权利要求2所述的方法，其中，所述从所述多个第一维度的第一子特征中选择第一设定比例的第一子特征，包括：

根据任一所述第一子特征中的多个特征点的特征值，从任一所述第一子特征中的多个特征点中确定第一目标特征点；

根据各所述第一子特征中第一目标特征点的特征值，对各所述第一子特征进行排序，得到第一排序序列；

从所述第一排序序列中选择排序在前的所述第一设定比例的第一子特征。

4.根据权利要求1所述的方法，其中，所述第一分类特征包括多个第二维度的第三子特征，所述第二分类特征包括所述多个第二维度的第四子特征；

所述根据所述第一分类特征和所述第二分类特征确定第一分类损失值，包括：

从所述多个第二维度的第三子特征中选择第二设定比例的第三子特征，并拼接得到第三拼接特征；

从所述多个第二维度的第四子特征中选择所述第二设定比例的第四子特征，并拼接得到第四拼接特征；

根据所述第三拼接特征和所述第四拼接特征之间的差异，确定所述第一分类损失值。

5.根据权利要求1所述的方法，其中，所述根据所述第一回归损失值和所述第一分类损失值，对所述教师缺陷检测模型和所述学生缺陷检测模型进行联合训练，包括：

根据第三分类特征和所述第一分类特征，确定第二分类损失值；其中，所述第三分类特征是所述教师缺陷检测模型最近一次进行缺陷的类别预测得到的；

根据第三回归特征和所述第一回归特征，确定第二回归损失值；其中，所述第三回归特征是所述教师缺陷检测模型最近一次进行缺陷的回归预测得到的；

根据所述第一分类损失值、所述第二分类损失值、所述第一回归损失值和所述第二回归损失值，对所述教师缺陷检测模型和所述学生缺陷检测模型进行联合训练。

6.根据权利要求5所述的方法，其中，所述根据第三分类特征和所述第一分类特征，确定第二分类损失值，包括：

根据所述第一分类特征中各特征点与所述第二分类特征中对应特征点之间的相似度，生成第一相似度矩阵；

基于所述第三分类特征对所述第一分类特征进行更新，以得到更新后的第一分类特征；

获取所述更新后的第一分类特征对应的第一自相关相似度矩阵；

根据所述第一自相关相似度矩阵和所述第一相似度矩阵，确定所述第二分类损失值。