[发明专利]一种带钢表面缺陷识别模型的训练方法及装置

权利要求书

1.一种带钢表面缺陷识别模型的训练方法，其特征在于，包括：

获取图像样本集，其中，所述图像样本集中包括有多个带钢表面图像样本，且各所述带钢表面图像样本分别标注有至少一种带钢表面缺陷；

采用具有多尺寸特征融合功能的神经网络模型，对所述图像样本集中的带钢表面图像样本进行多尺寸特征融合处理，从所述图像样本集的带钢表面图像样本中提取表征带钢表面缺陷的目标特征图；所述神经网络模型用于增强微小型缺陷的特征映射分辨率，将缺陷定位和种类判定分散到多个尺度上；

基于所提取的目标特征图，训练带钢表面缺陷识别模型；

采用具有多尺寸特征融合功能的神经网络模型，对所述图像样本集中的带钢表面图像样本进行多尺寸特征融合处理，从所述图像样本集的带钢表面图像样本中提取表征带钢表面缺陷的目标特征图，包括：

针对所述图像样本集中的每一个所述带钢表面图像样本均执行如下操作：

采用所述神经网络模型中的N个依次层叠连接的瓶颈层，将所述带钢表面图像样本依次缩小，形成N个第一参考特征图，其中，N个依次层叠连接的瓶颈层中的底层输出的第一参考特征图尺寸最大，顶层输出的第一参考特征图尺寸最小；越接近底层的第一参考特征图具有的结构信息越好，越接近顶层的第一参考特征图具有的语义信息越强；

从顶层输出的第一参考特征图开始，依次对相邻的两个第一参考特征图进行上采样融合处理，形成所有相邻的两个第一参考特征图对应的第二参考特征图；

从底层输出的第一参考特征图对应的第二参考特征图开始，依次对各所述第二参考特征图进行下采样融合处理，形成各所述第二参考特征图对应的第三参考特征图；

从所形成的各所述第三参考特征图中提取表征带钢表面缺陷信息的目标特征图；

采用所述神经网络模型中的N个依次层叠连接的瓶颈层，将所述带钢表面图像样本依次缩小，形成N个第一参考特征图，包括：从所述N个依次层叠连接的瓶颈层中的底层开始，将底层至顶层各所述瓶颈层依次作为当前层均执行：将目标图像输入至所述当前层，利用所述当前层基于所述目标图像的原有尺寸缩小所述目标图像的尺寸以及基于所述目标图像的原有通道数扩增所述目标图像的通道数，形成所述当前层输出的第一参考特征图；其中，所述当前层为N个依次层叠连接的瓶颈层中的顶层时，所述目标图像为所述带钢表面图像样本，所述当前层不为N个依次层叠连接的瓶颈层中的顶层时，所述目标图像为与所述当前层相邻的上一层输出的第一参考特征图；

从底层输出的第一参考特征图对应的第二参考特征图开始，依次对各所述第二参考特征图进行下采样融合处理，形成各所述第二参考特征图对应的第三参考特征图，包括：对底层的第二参考特征图进行滤波处理，得到所述第二参考特征图对应的第三参考特征图；从与底层的第二参考特征图相邻的上一个第二参考特征图开始，将各所述第二参考特征图作为当前第二参考特征图均执行：对上一个第二参考特征参考图对应的第三参考特征图实施下采样，将所述第三参考特征图的原有尺寸缩小至与所述当前第二参考特征图的尺寸相同；将缩小后的第三参考特征图与所述当前第二参考特征图中对应的像素位置相加，并在像素位置相加后，进行滤波处理，得到所述当前参考特征图对应的第三参考特征图；

从所形成的各所述第三参考特征图中提取表征带钢表面缺陷信息的目标特征图，包括：在各所述第三参考特征图中设置不同比例的单尺寸锚框；其中，每个所述第三参考特征图的每个像素位置上预设不同比例的单尺度锚框；将各所述单尺寸锚框对应的像素位置提取为所述目标特征图。

2.根据权利要求1所述的方法，其特征在于，从顶层输出的第一参考特征图开始，依次对相邻的两个第一参考特征图进行上采样融合处理，形成所有相邻的两个第一参考特征图对应的第二参考特征图，包括：

从顶层输出的第一参考特征图开始，将顶层至底层输出的第一参考特征图依次作为当前第一参考特征图均执行：

对所述当前第一参考特征图进行卷积操作，使得所述当前第一参考特征图与其相邻的下一层输出的第一参考特征图具有相同通道数；

对所述当前第一参考特征图实施上采样，使得所述当前第一参考特征图与其相邻的下一层输出的第一参考特征图具有相同尺寸，形成当前第一参考特征图和与其相邻的下一层输出的第一参考特征图对应的第二参考特征图。