CN113254189B - 用于缺陷检测的任务管理方法、系统和设备 - Google Patents
用于缺陷检测的任务管理方法、系统和设备 Download PDFInfo
- Publication number
- CN113254189B CN113254189B CN202110778858.0A CN202110778858A CN113254189B CN 113254189 B CN113254189 B CN 113254189B CN 202110778858 A CN202110778858 A CN 202110778858A CN 113254189 B CN113254189 B CN 113254189B
- Authority
- CN
- China
- Prior art keywords
- configuration module
- task
- model
- data set
- management
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/48—Program initiating; Program switching, e.g. by interrupt
- G06F9/4806—Task transfer initiation or dispatching
- G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本发明公开了一种用于缺陷检测的任务管理方法、系统和计算机设备,本发明以任务为核心,将数据集管理任务、数据标注任务、模型训练任务、模型管理任务、模型优选任务、推断与检测任务中的一个或多个所需的资源集成在一起,根据需要建立不同的任务,根据建立的任务确认所需要的配置模块,对配置模块进行配置,之后根据配置完成响应的任务,从而解决了缺陷检测中数据集的管理、数据标记、模型训练、缺陷检测等存在重复操作、软件分离、数据分离、资源不能共享、数据不能重复利用等技术问题。
Description
技术领域
本发明涉及任务管理技术领域,尤其涉及一种用于缺陷检测的任务管理方法、系统和计算机设备。
背景技术
数据标记、数据集管理、模型训练、缺陷检测等都是图片缺陷检测领域常见的需求,各个需求之间既可以单独存在,但又存在一定的联系,例如,在模型训练时,在训练前需要进行确认目标数据集、进行数据标注等操作,训练好的模型又用于缺陷检测操作,而现有技术中训练前后操作与训练本身割裂为多个软件,导致管理混乱,资源浪费,数据不能共享等问题;又例如,在数据标记上,现场人员和数据工程师由于工作在不同的厂家,不同的环境,存在双方重复做同一件事的情况,浪费人力,例如,现场人员标记之后,数据工程师还需要重复标记,现场人员传输数据到FTP后,数据工程师需要将数据再次整理归档;同样,在数据标记、模型训练、缺陷与检测方面也存在类似的问题。
总之,现有技术中,对缺陷检测前期或者缺陷检测中进行的一系列操作,包括数据集的管理、数据标记、模型训练、缺陷检测等,存在重复操作、软件分离、数据分离、资源不能共享、数据不能重复利用等问题。
发明内容
本发明的主要目的在于提供一种用于缺陷检测的任务管理方法、系统和计算机设备,旨在通过以任务管理的方式解决缺陷检测中数据集的管理、数据标记、模型训练、缺陷检测等存在重复操作、软件分离、数据分离、资源不能共享、数据不能重复利用等技术问题。
第一方面,本发明提供一种用于缺陷检测的任务管理方法,所述方法包括以下步骤:
创建任务,确定所述任务所需的配置模块,并对所述任务所需的配置模块进行配置,以完成所述任务;
其中,所述任务包括数据集管理任务、数据标注任务、模型训练任务、模型管理任务、模型优选任务、推断与检测任务至少一种;
其中,所述配置模块包括数据集配置模块、模型管理配置模块、数据标注配置模块、模型训练配置模块、模型优选配置模块和推断与检测配置模块中的至少一个;
所述数据标注任务,用于对所述数据集配置模块中的数据集进行标注;
所述模型优选任务,用于对比多个模型,确定最优模型;
所述推断与检测任务,用于对待测图片进行缺陷检测。
可选的,所述配置模块至少包括数据集配置模块或模型管理配置模块,每个配置模块的用途有多种,根据任务选择所述任务所需的配置模块的用途。
可选的,确定所述任务所需的配置模块,包括:
根据创建的任务种类,自动开启所述任务所需的配置模块,所需配置模块来源于数据集配置模块、模型管理配置模块、数据标注配置模块、模型训练配置模块、模型优选配置模块和推断与检测配置模块中的一个或多个;
对所述配置模块进行配置包括:
从所述配置模块中的资源模块中确认所述任务所需的目标资源;
确认所述目标资源的用途,并将所述目标资源与所述任务进行绑定。
可选的,若所需配置模块为数据集配置模块,则对所述数据集配置模块进行配置包括:
确定所述数据集配置模块中所述任务所需的目标数据集,以及确认所述目标数据集的用途,并将所述目标数据集与所述任务进行绑定,所述目标数据集的用途包括标记、训练、推断、验证至少一种;
若所需配置模块为模型管理配置模块,则对所述模型管理配置模块进行配置包括:
确定所述模型管理配置模块中所述任务所需的预置目标模型,以及确认所述预置目标模型的用途,并将所述预置目标模型与所述任务进行绑定,所述预置目标模型的用途包括辅助标记、训练、推断、模型优选至少一种。
可选的,对所述需的各配置模块进行配置,包括:
确认目标资源和/或参数,并确认各所述配置模块的用途;
配置完成之后在相应的任务界面执行相应任务和/或显示相关信息。可选的,所述创建任务,确定所述任务所需的配置模块,并对所述资源模块进行配置,以完成所述任务,包括:
创建第一任务,若所述第一任务为数据集管理任务,则所述第一任务所需的配置模块为数据集配置模块,并对所述数据集配置模块进行配置;
数据集管理任务具有对应的数据集管理任务界面,所述数据集管理任务界面包括创建数据集、导入数据集、导出数据集、编辑数据集、删除数据集的任务中的一种或多种。
可选的,所述创建任务,确定所述任务所需的配置模块,并对所述资源模块进行配置,以完成所述任务,包括:
创建第二任务,若所述第二任务为数据标注任务,则所述第二任务所需的配置模块为数据集配置模块和数据标注配置模块;
或者,所述第二任务所需的配置模块为数据集配置模块、数据标注和模型管理配置模块;
配置完成之后在数据标记任务界面执行相应任务和/或显示相关信息,其中,所述数据标记界面包括已完成标记的缺陷图片信息和/或未完成标记的缺陷图片信息。
可选的,若所述第二任务所需的配置模块为数据集配置模块和数据标注配置模块,则对所述数据集配置模块和数据标注配置模块进行配置,从所述数据集配置模块中确认目标数据集,且所述目标数据集的用途为标记;
若所述第二任务所需的配置模块为数据集配置模块、数据标注和模型管理配置模块,则对所述数据集配置模块、数据标注配置模块和模型管理配置模块进行配置,其中,从所述数据集配置模块中确认目标数据集,且所述目标数据集的用途为标记,从所述模型管理配置模块中确认预置目标模型,且所述预置目标模型的用途为辅助标记。
可选的,所述创建任务,确定所述任务所需的配置模块,并对所述资源模块进行配置,以完成所述任务,包括:
创建第三任务,若所述第三任务为模型训练任务,则所述第三任务所需的配置模块为所述数据集配置模块和模型训练配置模块;
或者,所述第三任务所需的配置模块为数据集配置模块、模型管理配置模块和模型训练配置模块;
或者,所述第三任务所需的配置模块为所述数据集配置模块、数据标注配置模块和模型训练配置模块;
或者,所述第三任务所需的配置模块为数据集配置模块、数据标注配置模块、模型训练配置模块和模型管理配置模块;
在模型训练任务界面显示所述训练后生成的模型,完成所述第三任务。
可选的,若所述第三任务所需的配置模块为所述数据集配置模块和模型训练配置模块,则对所述数据集配置模块和模型训练配置模块进行配置,其中,从所述数据集配置模块中确认目标数据集,且所述目标数据集的用途为训练,对所述模型训练配置模块进行参数配置;
若所述第三任务所需的配置模块为数据集配置模块、模型管理配置模块和模型训练配置模块,则对所述数据集配置模块、模型管理配置模块和模型训练配置模块进行配置,其中,从所述数据集配置模块中确认目标数据集,且所述目标数据集的用途为训练,从所述模型管理配置模块中确认预置目标模型,且所述预置目标模型的用途为训练;
若所述第三任务所需的配置模块为所述数据集配置模块、数据标注配置模块和模型训练配置模块,则对所述数据集配置模块、数据标注配置模块和模型训练配置模块进行配置,其中,从所述数据集配置模块中确认目标数据集,且所述目标数据集的用途为标记和训练,所述数据标注配置模块和所述模型训练配置模块为参数配置;
若所述第三任务所需的配置模块为数据集配置模块、数据标注配置模块、模型训练配置模块和模型管理配置模块,则对所述数据集配置模块、数据标注配置模块、模型训练配置模块和模型管理配置模块进行配置,其中,从所述数据集配置模块中确认目标数据集,且所述目标数据集的用途为标记和训练,从所述模型管理配置模块中确认预置目标模型,且所述预置目标模型的用途为训练,所述数据标注配置模块和所述模型训练配置模块为参数配置。
可选的,所述创建任务,确定所述任务所需的配置模块,并对所述配置模块进行配置,以完成所述任务,包括:
创建第四任务,若所述第四任务为模型管理任务,则所述第四任务所需的配置模块为模型管理配置模块,并对所述模型管理配置模块进行参数配置;
显示所述模型管理配置模块对应的模型管理界面,所述模型管理界面包括上传模型、导出模型和/或删除模型的任务中的一种或多种;
执行所述上传模型、导出模型和/或删除模型中的任务一种或多种,完成所述第四任务。
可选的,所述创建任务,确定所述任务所需的配置模块,并对所述配置模块进行配置,以完成所述任务,包括:
创建第五任务,若所述第五任务为模型优选任务,则所述第五任务所需的配置模块为数据集配置模块、模型管理配置模块和模型优选配置模块;
或者,所述第五任务所需的配置模块为数据集配置模块、数据标注配置模块、模型管理配置模块、模型优选配置模块;
或者,所述第五任务所需的配置模块为数据集配置模块、数据标注配置模块、模型管理配置模块、模型训练配置模块、模型优选配置模块;
显示所述模型优选配置模块对应的模型优选任务界面,所述模型优选任务界面包括多个模型的验证结果;
通过所述验证结果,确定最优模型,完成所述第五任务。
可选的,若所述第五任务所需的配置模块为数据集配置模块、模型管理配置模块和模型优选配置模块,则对所述数据集配置模块、模型管理配置模块和模型优选模进行配置,其中,从所述数据集配置模块中确认目标数据集,且所述数据集配置模块的用途为验证,从所述模型管理配置模块中确认预置目标模型,且所述预置目标模型的用途为模型优选,以及所述预置目标模型包括多个模型;
若所述第五任务所需的配置模块为数据集配置模块、数据标注配置模块、模型管理配置模块、模型优选配置模块,则对所述数据集配置模块、数据标注配置模块、模型管理配置模块、模型优选配置模块进行配置,其中,从所述数据集配置模块中确认目标数据集,且所述数据集配置模块的用途为标记和验证,从所述模型管理配置模块中确认预置目标模型,且所述预置目标模型的用途为模型优选,以及所述预置目标模型包括多个模型;
若所述第五任务所需的配置模块为数据集配置模块、数据标注配置模块、模型管理配置模块、模型训练配置模块、模型优选配置模块,则对所述数据集配置模块、数据标注配置模块、模型管理配置模块、模型训练配置模块、模型优选配置模块进行配置,其中,从所述数据集配置模块中确认目标数据集,且所述数据集配置模块的用途为标记、训练和验证,从所述模型管理配置模块中确认预置目标模型,所述预置目标模型的用途为训练和模型优选,且所述预置目标模型包括多个模型。
可选的,所述创建任务,确定所述任务所需的配置模块,并对所述配置模块进行配置,以完成所述任务,包括:
创建第六任务,若所述第六任务为推断与检测任务,则所述第六任务所需的配置模块为模型管理配置模块和推断与检测配置模块;
或者,所述第六任务所需的配置模块为数据集配置模块、模型管理配置模块和推断与检测配置模块;
或者,所述第六任务所需的配置模块为数据集配置模块、模型管理配置模块、模型优选配置模块和推断与检测配置模块;
或者,所述第六任务所需的配置模块为数据集配置模块、数据标注配置模块、模型管理配置模块、模型优选配置模块和推断与检测配置模块;
或者,所述第六任务所需的配置模块为数据集配置模块、数据标注配置模块、模型管理配置模块、模型训练配置模块、模型优选配置模块和推断与检测配置模块;
在推断与检测界面显示多张待检测的图片检测结果,完成所述第六任务。
可选的,若所述第六任务所需的配置模块为模型管理配置模块和推断与检测配置模块,则对所述模型管理配置模块和推断与检测配置模块进行配置,其中,从所述模型管理模型中确认预置目标模型,且所述预置目标模型的用途为推断,获取待检测数据集,利用预置目标模型完成推断与检测任务,并在推断与检测任务界面显示相关信息;
若所述第六任务所需的配置模块为数据集配置模块、模型管理配置模块和推断与检测配置模块,则对所述数据集配置模块、模型管理配置模块和推断与检测配置模块进行配置,其中,从所述数据集配置模块中确认目标数据集,且所述目标数据的用途为推断,从所述模型管理配置模块中确认预置目标模型,且所述预置目标模型的用途为推断;
若所述第六任务所需的配置模块为数据集配置模块、模型管理配置模块、模型优选配置模块和推断与检测配置模块,则对所述数据集配置模块、模型管理配置模块、模型优选配置模块和推断与检测配置模块进行配置,其中,从所述数据集配置模块中确认目标数据集,且所述目标数据的用途为验证和推断,从所述模型管理配置模块中确认预置目标模型,且所述预置目标模型的用途为模型优选和推断,以及所述预置目标模型包括多个模型;
若所述第六任务所需的配置模块为数据集配置模块、数据标注配置模块、模型管理配置模块、模型优选配置模块和推断与检测配置模块,则对所述数据集配置模块、数据标注配置模块、模型管理配置模块、模型优选配置模块和推断与检测配置模块进行配置,其中,从所述数据集配置模块中确认目标数据集,且所述目标数据的用途为标记、验证和推断,从所述模型管理配置模块中确认预置目标模型,以及所述预置目标模型的用途为模型优选和推断,且所述预置目标模型包括多个模型;
若所述第六任务所需的配置模块为数据集配置模块、数据标注配置模块、模型管理配置模块、模型训练配置模块、模型优选配置模块和推断与检测配置模块,则对所述数据集配置模块、数据标注配置模块、模型管理配置模块、模型训练配置模块、模型优选配置模块和推断与检测配置模块,其中,从所述数据集配置模块中确认目标数据集,且所述目标数据的用途为标记、训练、验证和推断,从所述模型管理配置模块中确认预置目标模型,且所述预置目标模型的用途为训练、模型优选和推断,以及所述预置目标模型包括多个模型。
可选的,若所述任务为推断与检测任务,则在所述完成所述推断与检测任务之后,还包括:
获取各个待检测图片通过执行推断与检测任务之后的检测结果;
基于所述检测结果,确定所述各个待检测图片中有缺陷的图片和/或无缺陷的图片;
利用所述有缺陷的图片和/或所述无缺陷的图片更新所述数据集配置模块中的数据集。
可选的,利用所述有缺陷的图片和/或所述无缺陷的图片更新所述数据集配置模块中的数据集之后,还包括:
当检测到更新后的所述数据集配置模块中的数据集满足预定条件,进行模型训练任务,以生成新的模型。
可选的,所述对所述配置模块进行配置之后,还包括:
将所述任务发送至任务执行端,以使所述任务执行端基于配置后的资源和参数在开始执行任务之后显示所述任务的任务界面。
第二方面,本发明还提供一种用于缺陷检测的任务管理系统,所述用于缺陷检测的任务管理系统包括:
包括任务管理端和任务执行端;
所述任务管理端确定所述任务执行端的权限,并进行所述任务的资源配置和参数配置,所述资源配置至少包括确认所述任务所需的目标资源;
所述任务执行端根据权限查看配置后的资源和参数,并在确认开始执行任务后显示与所述任务相关的任务界面。
可选的,所述系统包括:
数据集管理任务模块、数据标注任务模块、模型训练任务模块、模型管理任务模块、模型优选任务模块、推断与检测任务模块;
所述数据集管理任务模块对数据集进行管理,并为数据标注任务模块和/或模型训练任务模块和/或模型管理任务模块和/或模型优选任务模块和/或推断与检测任务模块提供目标数据集;
所述数据标注任务模块从数据集管理任务模块获得数据集进行标注,并为模型训练任务模块和/或模型管理任务模块和/或模型优选任务模块和/或推断与检测任务模块提供标注后的数据集;
所述模型训练任务模块用于利用数据集管理任务模块或者数据标注任务模块获得的数据集进行模型训练;
所述模型管理任务模块从模型训练任务模块或者外部导入获得模型;
所述模型优选任务模块从模型管理任务模块获得多个待比较模型,并从数据集管理任务模块中获得数据集,从而获得多个待比较模型的比较结果,获得最优模型;
所述推断与检测任务模块利用模型优选获得的最优模型进行缺陷检测。
可选的,利用所述推断与检测任务模块的检测结果更新所述数据集管理任务模块中的数据集。
第三方面,本发明还提供一种计算机设备,所述计算机设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序,其中所述计算机程序被所述处理器执行时,实现如上述的用于缺陷检测的任务管理方法的步骤。
本发明以任务为核心,将数据集管理任务、数据标注任务、模型训练任务、模型管理任务、模型优选任务、推断与检测任务中的一个或多个所需的资源集成在一起,根据需要建立不同的任务,根据建立的任务确认所需要的配置模块,对配置模块进行配置,之后根据配置完成响应的任务,从而解决了缺陷检测中数据集的管理、数据标记、模型训练、缺陷检测等存在重复操作、软件分离、数据分离、资源不能共享、数据不能重复利用等技术问题。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种用于缺陷检测的任务管理方法的流程示意图;
图2为本发明实施例提供的另一种用于缺陷检测的任务管理方法的流程示意图;
图3为本发明实施例提供的另一种用于缺陷检测的任务管理方法的流程示意图;
图4为本发明一实施例涉及的计算机设备的结构示意框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
附图中所示的流程图仅是示例说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解、组合或部分合并,因此实际执行的顺序有可能根据实际情况改变。
本发明实施例提供一种用于缺陷图片检测的任务管理方法、系统和计算机设备。其中,该一种用于缺陷图片检测的任务管理方法可应用于计算机设备中,该计算机设备可以是笔记本电脑、台式电脑等电子设备。
下面结合附图,对本发明的一些实施方式作详细说明。在不冲突的情况下,下述的实施例及实施例中的特征可以相互组合。
请参照图1,图1 为本发明的实施例提供的一种用于缺陷图片检测的任务管理方法的流程示意图。
如图1所示,该方法包括步骤S10。
步骤S10、创建任务,确定所述任务所需的配置模块,并对所述任务所需的配置模块进行配置,以完成所述任务;其中,所述任务包括数据集管理任务、数据标注任务、模型训练任务、模型管理任务、模型优选任务、推断与检测任务至少一种;其中,所述配置模块包括数据集配置模块、模型管理配置模块、数据标注配置模块、模型训练配置模块、模型优选配置模块和推断与检测配置模块中的至少一个;所述数据标注任务,用于对所述数据集配置模块中的数据集进行标注;所述模型优选任务,用于对比多个模型,确定最优模型;所述推断与检测任务,用于对待测图片进行缺陷检测。
本实施例中,创建的任务可以包括数据集管理任务、数据标注任务、模型训练任务、模型管理任务、模型优选任务、推断与检测任务中的一种或者多种。例如,创建任务时,可以有以上6种任务进行选择,用户只需要勾选需要创建的任务即可。各个任务所需的配置模块包括数据集配置模块、模型管理配置模块、数据标注配置模块、模型训练配置模块、模型优选配置模块和推断与检测配置模块中的一个或多个。在确定所述任务所需的配置模块时,可以根据任务类型,自动开启对应的配置模块。例如,当确定创建的任务是数据标注任务时,则自动开启数据集配置模块和数据标注配置模块。多个任务之间存在一些资源上的共享,例如,对于数据标注任务,其除了需要数据标注配置模块对基本的标注参数如需要标注的缺陷的类型等进行设置外,还需要确定需要进行标注的数据集,即数据标注任务需要同时对数据标注配置模块和数据集配置模块进行配置。又例如,对于模型训练任务,其除了需要通过模型训练配置模块对基本的训练参数如训练图片的大小、多少、训练轮数等参数进行设置,同样也需要利用数据集配置模块确定用来训练的数据集。其他任务类似,根据任务的类型确定需要配置的模块,然后根据配置的资源和/或参数等,完成相应的任务。通过以任务为核心,将一个或者多个任务集成在一起,从而使得多个任务之间建立联系或者共享资源。
在一实施例中,配置模块至少包括数据集配置模块,每个配置模块的用途有多种,根据任务选择所述任务所需的配置模块的用途。
例如,若任务为数据标注任务时,数据标注任务所需的配置模块包括数据集配置模块和数据标注配置模块,数据集配置模块中目标数据集的用途为数据标注配置模块中的缺陷类型提供待标记的数据集。或者,任务为模型训练任务时,模型训练任务所需的配置模块包括数据集配置模块、模型管理配置模块、模型训练配置模块,数据集配置模块中的目标数据集的用途为模型管理配置模块中的预置目标模型提供模型训练配置模块执行模型训练的数据集。模型管理配置模块中的预置目标模型的用途为模型训练配置模块提供待训练的模型。或者,模型训练任务所需的配置模块包括数据集配置模块和模型训练配置模块,数据集配置模块中的目标数据集的用途为模型训练配置模块提供待训练的数据集。若任务为推断与检测任务时,推断与检测任务所需的配置模块包括模型管理配置模块和推断与检测配置模块。模型管理配置模块中的预置目标模型的用途为推断与检测,为推断与检测配置模块检测缺陷图片提供的模型。不同任务可以选择该任务所需的配置模块的用途,以及同一任务也可以选择该任务所需的配置模块的不同用途,提供多样化的配置模块解决同一任务。
在一实施例中,对配置模块进行配置包括:确定所述任务所需的配置模块,包括:根据创建的任务种类,自动开启所述任务所需的配置模块,所需配置模块来源于数据集配置模块、模型管理配置模块、数据标注配置模块、模型训练配置模块、模型优选配置模块和推断与检测配置模块中的一个或多个;从所述配置模块中的资源模块中确认所述任务所需的目标资源;确认所述目标资源的用途,并将所述目标资源与所述任务进行绑定。
本实施例中,例如,当所建立的任务是数据标注任务时,该任务的资源模块为数据集配置模块,数据集配置模块中可以包括已标注数据集1,已标注数据集2,未标注数据集1,未标注数据集2,对数据集配置模块进行配置时,可以从数据集中选择未标注的数据集1,将未标注数据集1从多个用途如标记、训练、验证、推断、辅助标记、模型优选等用途中选择为标记,并将未标注数据集1与数据标注任务绑定,这样,就可以让操作人员在执行数据标注任务时对数据集1进行标注。又例如,当所建立任务为模型优选任务,该任务的资源模块则可以为数据集配置模块和模型管理配置模块,数据集配置模块中可以包括已标注数据集1,已标注数据集2,未标注数据集1,未标注数据集2,对数据集进行配置时,可以选择已标注数据集1,将已标注数据集1从多个用途如标记、训练、验证、推断、辅助标记、模型优选等用途中选择为模型优选,模型管理配置模块可以包括模型1、模型2、模型3,对模型管理配置模块进行配置时,可以从中选择至少2个模型,用途选择为模型优选,这样,对模型优选任务的资源进行配置之后,对模型优选配置模块进行参数配置,然后,就可以利用选择的资源和参数执行模型优选任务,获得优选的模型。事实上,对任务进行配置时,可以分为对资源配置和参数配置。资源包括所需的数据集,所需的模型等,参数包括如标记的缺陷类型、输入样本的大小、模型迭代的次数等等。
在一实施例中,对所述需的各配置模块进行配置,包括:确认目标资源和/或参数,并确认各所述配置模块的用途;配置完成之后在相应的任务界面执行相应任务和/或显示相关信息。
本实施例中,确认数据集模型和模型管理模型中的目标资源,例如在数据集配置模块的多个数据集中选择目标数据集,将该目标数据集作为数据集配置模块的目标资源,如,从数据集配置模块的已标注数据集1、已标注数据集2、未标注数据集1和未标注数据集2中选择未标注数据集1,则将未标注数据集1作为数据集配置模块的目标资源。在模型管理模型的多个模型中确认预置目标模型,将该预置目标模型作为模型管理配置模块的目标资源,如从模型管理配置模块的分割模型1、分割模型2、分类模型1、分类模型2、检测模型1和检测模型2中选择分类模型1作为模型管理配置模块的目标资源。配置模块用于完成相应的任务,例如,数据集配置模块用于创建数据集、编辑数据集、删除数据集和导出数据集中的至少一种。如,新建一个数据集,对该数据集进行命名,将未标注的缺陷图片或标注的缺陷图片归类到新建的数据集中。数据标注配置模块用于对缺陷图片进行标注,例如,选择本地标记或协同标记对缺陷图片标注对应的缺陷标签。模型管理配置模块用于管理模型、上传模型、导出模型、删除模型中的至少一种,如,将外部模型导入至模型管理配置模块中,并对导入的模型进行命名和分类。模型训练配置模块用于对预置网络或预置模型进行训练,以生成目标模型。例如,通过训练数据对预置网络或预置模型进行神经网络训练,以生成对应的目标模型。模型优选配置模块用于比对多个模型,从中确定最优模型,如,通过验证数据对至少两个模型进行验证,得到各个模型的验证结果,将验证结果进行比对,从中确定最优模型。推断与检测模型用于对待测图片进行缺陷检测。例如,通过模型对待测图片进行缺陷检测,得到各个缺陷图片的缺陷结果。
例如,在对数据集配置模块完成配置后,在数据集配置模块相应的数据集管理任务界面执行数据集管理任务和/或显示创建的数据集信息、删除的数据集信息、编辑的数据集信息或导出的数据集信息等。在对数据标注配置模块完成配置后,在数据标注配置模块对应的数据标注任务界面执行数据标注任务和/或显示已标注的缺陷图片、未标注的缺陷图片、执行数据标注任务的标注人员信息等。在对模型管理配置模块完成配置后,在模型管理配置模块对应的模型管理界面执行模型管理任务和/或显示上传的模型信息、删除的模型信息或导出的模型信息等。在对模型训练配置模块完成配置后,在模型训练任务对应的模型训练任务界面执行模型训练任务和/或显示训练的预置网络名称、框架名称、批大小、学习率、训练轮数等。在对模型优选配置模块完成配置后,在模型优选配置模块对应的模型优选任务界面执行模型优选任务和/或显示验证规则信息等。在对推断与检测配置模块完成配置后,在推断与检测配置模块对应的推断与检测任务界面执行推断与检测任务和/或显示配置机种参数、配置训练参数、检测结果的存储路径等。
在一实施例中,所述创建任务,确定所述任务所需的配置模块,并对所述资源模块进行配置,以完成所述任务,包括:创建第一任务,若所述第一任务为数据集管理任务,则所述第一任务所需的配置模块为数据集配置模块,并对所述数据集配置模块进行配置。数据集管理任务具有对应的数据集管理任务界面,所述数据集管理任务界面包括创建数据集、导入数据集、导出数据集、编辑数据集、删除数据集的任务中的一种或多种。
本实施例中,例如,获取创建第一任务的名称信息,通过第一任务的名称确定第一任务为数据集管理任务。如,获取第一任务的名称信息为数据集管理1,则该第一任务为数据集管理任务。或者,有多个任务可供选择,直接选择数据集管理任务,然后再编辑该任务的名称,如数据集管理任务1。通过预置约定,确定数据集管理任务所需的配置模块为数据集配置模块。如,预先进行约定,任务为数据集管理任务,则数据集管理任务所需的模块为数据集配置模块。在确定数据集管理任务所需的配置模块为数据集配置模块时,显示任务数据集管理配置界面。在数据集管理配置界面的已标注数据集1、已标注数据集2、未标注数据集1、未标注数据集2、项目数据集1、项目数据集2,选择未标注数据集2,并确定未标注数据集2的用途为标记,将确认用途为标记的未标注数据集2与数据集管理任务的数据集管理1进行绑定。在完成数据集配置模块的配置后,选择数据集管理任务对应的数据集任务界面。数据集任务界面中显示新建的数据集信息、导入的数据集信息、删除的数据集信息、编辑的数据集信息的任务中的一种或多种,从而对选中的目标数据集进行相应的操作。如,显示新建的数据集名称、缺陷图片的数量、缺陷图片等。
在一实施例中,所述创建任务,确定所述任务所需的配置模块,并对所述资源模块进行配置,以完成所述任务,包括:创建第二任务,若所述第二任务为数据标注任务,则所述第二任务所需的配置模块为数据集配置模块和数据标注配置模块;若所述第二任务所需的配置模块为所述数据集配置模块和数据标注配置模块,则对所述数据集配置模块和数据标注配置模块进行配置,其中,从所述数据集配置模块中确认目标数据集,且所述目标数据集的用途为标记;
或者,所述第二任务所需的配置模块为数据集配置模块、数据标注和模型管理配置模块;若所述第二任务所需的配置模块为所述数据集配置模块、数据标注和模型管理配置模块,则对所述数据集配置模块、数据标注配置模块和模型管理配置模块进行配置,其中,从所述数据集配置模块中确认目标数据集,且所述目标数据集的用途为标记,从所述模型管理配置模块中确认预置目标模型,且所述预置目标模型的用途为辅助标记。
配置完成之后在数据标记任务界面执行相应任务和/或显示相关信息,其中,所述数据标记界面包括已完成标记的缺陷图片信息和/或未完成标记的缺陷图片信息。
本实施例中,例如,获取创建第二任务的名称信息,通过第二任务的名称确定第二任务为数据标注任务。如,获取第二任务的名称信息为数据标注1,则该第二任务为数据标注任务。或者,有多个任务可供选择,直接选择数据标注任务,然后再编辑该任务的名称,如数据标注1。通过预置约定,确定数据标注任务所需的配置模块为数据集配置模块和数据标注配置模块。在数据集管理配置界面的已标注数据集1、已标注数据集2、未标注数据集1、未标注数据集2、项目数据集1、项目数据集2,选择未标注数据集2,并确定未标注数据集2的用途为标记,将确认用途为标记的未标注数据集2与数据标注任务的数据标注1进行绑定。在任务数据标记配置界面的缺陷管理信息中确认未标注数据集2的缺陷标签,其中,缺陷标签的数量可以为多个,对此不对具体数量作限定。如确认缺陷管理信息中的asd和white两个作为未标注数据集2的缺陷标签,并将确认的缺陷标签与数据标书任务的数据标注1进行绑定。
在完成数据集配置模块和数据标注配置模块的配置后,数据标记模块通过本地标记或协助标记的方式对未标注数据集2中的缺陷图片标记asd和/或white,在数据标记界面显示已完成标记缺陷图片的标记时间、标记人员信息、标记的缺陷标签至少一种,和/或未完成标记的缺陷图片的待标记人员信息等。
或者,通过预置约定,若确定数据标注任务所需的配置模块为数据集配置模块、数据标注配置模块和模型管理配置模块,则在数据集管理配置界面的已标注数据集1、已标注数据集2、未标注数据集1、未标注数据集2、项目数据集1、项目数据集2,选择未标注数据集2,并确定未标注数据集2的用途为标记,将确认用途为标记的未标注数据集2与数据标注任务的数据标注1进行绑定。在任务数据标记配置界面的缺陷管理信息中确认未标注数据集2的缺陷标签,其中,缺陷标签的数量可以为多个,对此不对具体数量作限定。如确认缺陷管理信息中的asd和white两个作为未标注数据集2的缺陷标签,并将确认的缺陷标签与数据标书任务的数据标注1进行绑定。在任务模型管理配置界面的分割模型1、分割模型2、分类模型1、分类模型2、检测模型1以及检测模型2中确认分类模型1,并从模型用途如辅助标记、训练、模型优选和推断中确认为辅助标注,将确认用途为辅助标记的分类模型1与数据标注任务的数据标注1进行绑定。
在完成数据集配置模块、数据标注配置模块和模型管理配置模块的配置后,在数据标注任务相应的数据标注界面通过分割模型1对未标注数据集2中的缺陷图片标记asd和/或white,和/或在数据标记任务界面显示已完成标记的缺陷图片的标记时间、分割模型1信息、标记的asd和/或white,和/或未完成标记的缺陷图片等。
在本发明实施例中,数据标注任务可以选择该任务所需配置模块的用途,以及数据标注任务也可以选择该任务所需的配置模块的不同用途,提供多样化的配置模块解决数据标注任务。
在一实施例中,所述创建任务,确定所述任务所需的配置模块,并对所述资源模块进行配置,以完成所述任务,包括:创建第三任务,若所述第三任务为模型训练任务,则所述第三任务所需的配置模块为所述数据集配置模块和模型训练配置模块;若所述第三任务所需的配置模块为所述数据集配置模块和模型训练配置模块,则对所述数据集配置模块和模型训练配置模块进行配置,其中,从所述数据集配置模块中确认目标数据集,且所述目标数据集的用途为训练,对所述模型训练配置模块进行参数配置;
或者,所述第三任务所需的配置模块为数据集配置模块、模型管理配置模块和模型训练配置模块;若所述第三任务所需的配置模块为数据集配置模块、模型管理配置模块和模型训练配置模块,则对所述数据集配置模块、模型管理配置模块和模型训练配置模块进行配置,其中,从所述数据集配置模块中确认目标数据集,且所述目标数据集的用途为训练,从所述模型管理配置模块中确认预置目标模型,且所述预置目标模型的用途为训练;
或者,所述第三任务所需的配置模块为所述数据集配置模块、数据标注配置模块和模型训练配置模块;若所述第三任务所需的配置模块为所述数据集配置模块、数据标注配置模块和模型训练配置模块,则对所述数据集配置模块、数据标注配置模块和模型训练配置模块进行配置,其中,从所述数据集配置模块中确认目标数据集,且所述目标数据集的用途为标记和训练,所述数据标注配置模块和所述模型训练配置模块为参数配置;
或者,所述第三任务所需的配置模块为数据集配置模块、数据标注配置模块、模型训练配置模块和模型管理配置模块;若所述第三任务所需的配置模块为数据集配置模块、数据标注配置模块、模型训练配置模块和模型管理配置模块,则对所述数据集配置模块、数据标注配置模块、模型训练配置模块和模型管理配置模块进行配置,其中,从所述数据集配置模块中确认目标数据集,且所述目标数据集的用途为标记和训练,从所述模型管理配置模块中确认预置目标模型,且所述预置目标模型的用途为训练,所述数据标注配置模块和所述模型训练配置模块为参数配置。
在模型训练任务界面显示所述训练后生成的模型,完成所述第三任务。
本实施例中,例如,获取创建第三任务的名称信息,通过第三任务的名称确定第三任务为模型训练任务。如,获取第三任务的名称信息为模型训练1,则该第三任务为数据标注任务。通过预置约定,确定模型训练任务所需的配置模块为数据集配置模块和模型训练配置模块,则在数据集管理配置界面的已标注数据集1、已标注数据集2、未标注数据集1、未标注数据集2、项目数据集1、项目数据集2,选择已标注数据集2,并确定已标注数据集2的用途为训练,将确认用途为训练的已标注数据集2与模型训练任务的模型训练1进行绑定。在任务模型训练配置界面对骨干网络、框架、批大小、学习率、训练轮数进行配置,如配置骨干网络为MoblieNetV1、框架名称为单张图片、批大小为MM、学习率为0.1、训练轮数为100,并将配置后的骨干网络、框架、批大小、学习率、训练轮数与模型训练任务的名称模型训练1进行绑定。
在完成对数据集配置模块和模型训练配置模块后,在模型训练配置模块对应的模型训练任务界面通过数据集配置模块中用途为训练的已标注数据集2对模型训练配置模块中配置批大小、学习率、框架、训练轮数后的骨干网络进行训练,和/或在模型训练界面显示训练后生成的模型,完成模型训练任务。
或者,通过预置约定,若确定模型训练任务所需的配置模块为数据集配置模块、模型管理配置模块和模型训练配置模块,则在数据集管理配置界面的已标注数据集1、已标注数据集2、未标注数据集1、未标注数据集2、项目数据集1、项目数据集2,选择已标注数据集2,并确定已标注数据集2的用途为训练,将确认用途为训练的已标注数据集2与模型训练任务的名称模型训练1进行绑定。在任务模型管理配置界面的分割模型1、分割模型2、分类模型1、分类模型2、检测模型1以及检测模型2中确认分类模型1,并从模型用途如辅助标记、训练、模型优选和推断中确认为训练,将确认用途为训练的分类模型1与模型训练任务的名称模型训练1进行绑定。在任务模型训练配置界面对分类模型1的骨干网络、框架、批大小、学习率、训练轮数至少一种进行配置,如至少配置骨干网络为MoblieNetV1、框架名称为单张图片、批大小为MM、学习率为0.1、训练轮数为100中的一种,并将配置后的骨干网络、框架、批大小、学习率和/或训练轮数与模型训练任务的名称模型训练1进行绑定。
在完成对数据集配置模块、模型管理配置模块和模型训练配置模块的配置后,在模型训练配置模块对应的模型训练任务界面通过数据集配置模块中用途为训练的已标注数据集2对配置骨干网络、框架、批大小、学习率和/或训练轮数后的分类模型1进行训练,和/或在模型训练界面显示训练后生成的模型,完成模型训练任务。
或者,通过预置约定,若确定模型训练任务所需的配置模块为数据集配置模块、数据标注配置模块和模型训练配置模块,则在数据集管理配置界面的已标注数据集1、已标注数据集2、未标注数据集1、未标注数据集2、项目数据集1、项目数据集2,选择未标注数据集2,并确定未标注数据集2的用途为标记和训练,将确认用途为标记和训练的未标注数据集2与模型训练任务的模型训练1进行绑定。在任务数据标记配置界面的缺陷管理信息中确认未标注数据集2的缺陷标签,其中,缺陷标签的数量可以为多个,对此不对具体数量作限定。如确认缺陷管理信息中的asd和white两个作为未标注数据集2的缺陷标签,并将确认的缺陷标签与模型训练任务的模型训练1进行绑定。在任务模型训练配置界面对骨干网络、框架、批大小、学习率、训练轮数中的至少一种进行配置,如配置骨干网络为MoblieNetV1、框架名称为单张图片、批大小为MM、学习率为0.1、训练轮数为100,并将配置后的骨干网络、框架、批大小、学习率和/或训练轮数与模型训练任务的模型训练1进行绑定。
在完成对数据集配置模块、数据标注配置模块、模型管理配置模块和模型训练配置模块后,在模型训练配置模块对应的模型训练界面通过数据标注配置模块对数据集配置模块中用途为标记的未标注数据集2中的缺陷图片标记asd和/或white,生成带asd和/或white的数据集,通过数据集配置模块中用途为训练的带asd和/或white的数据集对配置后的骨干网络进行训练,和/或在模型训练界面显示训练后生成的模型,完成模型训练任务。
或者,通过预置约定,若确定模型训练任务所需的配置模块为数据集配置模块、数据标注配置模块、模型管理配置模块和模型训练配置模块,则在数据集管理配置界面的已标注数据集1、已标注数据集2、未标注数据集1、未标注数据集2、项目数据集1、项目数据集2,选择未标注数据集2,并确定未标注数据集2的用途为标记和训练,将确认用途为标记和训练的未标注数据集2与模型训练任务的模型训练1进行绑定。在任务数据标记配置界面的缺陷管理信息中确认未标注数据集2的缺陷标签,其中,缺陷标签的数量可以为多个,对此不对具体数量作限定。如确认缺陷管理信息中的asd和white两个作为未标注数据集2的缺陷标签,并将确认的缺陷标签与模型训练任务的模型训练1进行绑定。在任务模型管理配置界面的分割模型1、分割模型2、分类模型1、分类模型2、检测模型1以及检测模型2中确认分类模型1,并从模型用途如辅助标记、训练、模型优选和推断中确认为训练,将确认用途为训练的分类模型1与模型训练任务的名称模型训练1进行绑定。在任务模型训练配置界面对分类模型1的骨干网络、框架、批大小、学习率、训练轮数中的至少一种进行配置,如配置骨干网络为MoblieNetV1、框架名称为单张图片、批大小为MM、学习率为0.1、训练轮数为100,并将配置后的骨干网络、框架、批大小、学习率和/或训练轮数与模型训练任务的模型训练1进行绑定。
在完成对数据集配置模块、数据标注配置模块、模型管理配置模块和模型训练配置模块后,在模型训练配置模块对应的模型训练界面通过数据标注配置模块对数据集配置模块中用途为标记的未标注数据集2中的缺陷图片标记asd和/或white,生成带asd和/或white的数据集,通过数据集配置模块中用途为训练的带asd和/或white的数据集对配置后的分类模型1进行训练,和/或在模型训练界面显示训练后生成的模型,完成模型训练任务。
在本发明实施例中,模型训练任务可以选择该任务所需的配置模块的用途,以及模型训练任务也可以选择该任务所需的配置模块的不同用途,提供多样化的配置模块解决模型训练任务。
在一实施例中,所述创建任务,确定所述任务所需的配置模块,并对所述配置模块进行配置,以完成所述任务,包括:创建第四任务,若所述第四任务为模型管理任务,则所述第四任务所需的配置模块为模型管理配置模块,并对所述模型管理配置模块进行参数配置;显示所述模型管理配置模块对应的模型管理界面,所述模型管理界面包括上传模型、导出模型和/或删除模型的任务中的一种或多种;执行所述上传模型、导出模型和/或删除模型中的任务一种或多种,完成所述第四任务。
本实施例中,在创建任务界面创建第四任务,获取第四任务的名称信息,通过第四任务的名称信息确认为模型训练任务。如,获取第四任务的名称为模型管理1,则确认第三任务为模型管理任务。通过预置约定,确定模型管理任务所需的配置模块为模型管理配置模块。任务模型管理配置界面显示模型管理任务的名称信息、分割模型1、分割模型2、分类模型1、分类模型2、检测模型1以及检测模型2等、绑定结果信息、模型用途信息等。从分割模型1、分割模型2、分类模型1、分类模型2、检测模型1以及检测模型2中确认分类模型1,并从模型用途如辅助标记、训练、模型优选和推断中确认至少一个用途,并将确认用途的分类模型1与模型管理任务的名称模型管理1进行绑定。完成模型管理配置模块的任务后显示相应的模型管理任务界面,模型管理任务界面显示上传模型的任务框、导出模型的任务框和/删除模型的任务框以一种或多种,操作员可以通过上传模型的任务框执行上传模型的任务,点击导出模型的任务框执行导出模型的任务和/或点击删除模型的任务框执行删除模型的任务。
在一实施例中,所述创建任务,确定所述任务所需的配置模块,并对所述配置模块进行配置,以完成所述任务,包括:创建第五任务,若所述第五任务为模型优选任务,则所述第五任务所需的配置模块为数据集配置模块、模型管理配置模块和模型优选配置模块;若所述第五任务所需的配置模块为数据集配置模块、模型管理配置模块和模型优选配置模块,则对所述数据集配置模块、模型管理配置模块和模型优选模进行配置,其中,从所述数据集配置模块中确认目标数据集,且所述数据集配置模块的用途为验证,从所述模型管理配置模块中确认预置目标模型,且所述预置目标模型的用途为模型优选,以及所述预置目标模型包括多个模型;
或者,所述第五任务所需的配置模块为数据集配置模块、数据标注配置模块、模型管理配置模块、模型优选配置模块;若所述第五任务所需的配置模块为数据集配置模块、数据标注配置模块、模型管理配置模块、模型优选配置模块,则对所述数据集配置模块、数据标注配置模块、模型管理配置模块、模型优选配置模块进行配置,其中,从所述数据集配置模块中确认目标数据集,且所述数据集配置模块的用途为标记和验证,从所述模型管理配置模块中确认预置目标模型,且所述预置目标模型的用途为模型优选,以及所述预置目标模型包括多个模型;
或者,所述第五任务所需的配置模块为数据集配置模块、数据标注配置模块、模型管理配置模块、模型训练配置模块、模型优选配置模块;若所述第五任务所需的配置模块为数据集配置模块、数据标注配置模块、模型管理配置模块、模型训练配置模块、模型优选配置模块,则对所述数据集配置模块、数据标注配置模块、模型管理配置模块、模型训练配置模块、模型优选配置模块进行配置,其中,从所述数据集配置模块中确认目标数据集,且所述数据集配置模块的用途为标记、训练和验证,从所述模型管理配置模块中确认预置目标模型,所述预置目标模型的用途为训练和模型优选,且所述预置目标模型包括多个模型。
显示所述模型优选配置模块对应的模型优选任务界面,所述模型优选任务界面包括多个模型的验证结果;通过所述验证结果,确定最优模型,完成所述第五任务。
本实施例中,获取创建第五任务的名称信息,通过第五任务的名称确定第三任务为模型训练任务。如,获取第五任务的名称信息为模型优选1,则该第五任务为模型优选任务。例如,通过预置约定,若确定模型训练任务所需的配置模块为数据集配置模块、模型训练配置模块和模型优选配置模块,则在数据集管理配置界面的已标注数据集1、已标注数据集2、未标注数据集1、未标注数据集2、项目数据集1、项目数据集2,选择已标注数据集2,其中,已标注数据集2为带缺陷标签的数据集,并确定已标注数据集2的用途为验证,将确认用途为验证的已标注数据集2与模型优选任务的名称模型优选1进行绑定。从任务模型管理配置界面的分割模型1、分割模型2、分类模型1、分类模型2、检测模型1以及检测模型2中确认分类模型1和分类模型2,并从模型用途如辅助标记、训练、模型优选和推断中确认分类模型1和分类模型2的用途模型优选,并将确认用途为模型优选的分类模型1和分类模型2与模型优选任务的名称模型优选1进行绑定。从任务模型优选配置界面配置对样本数、比对规则如缺陷图片的预测缺陷标签和标注缺陷标签进行比对、比对任意两个模型之间的符合率进行参数配置,并将配置后的参数与模型优选任务的名称进行绑定。
在完成数据集配置模块、模型管理配置模块和模型优选配置模块的配置后,通过数据集配置模块中已标注的数据集2对模型优选配置模块中的分类模型1和分类模型2进行验证,如,通过样本数选择已标注数据集2中一定量的带缺陷标签的缺陷图片,将该带缺陷标签的缺陷图片分别输入到分类模型1和分类模型2中,得到分类模型1和分类模型2预测带缺陷标签的缺陷图片的预测缺陷标签,通过比对规则,确定分类模型1输出的预测缺陷标签是否正确,如,将分类模型1输出的预测缺陷标签与该缺陷图片标注中的缺陷标签进行比对,若一致,则正确;若不一致,则不正确。确定分类模型1和分类模型2完成对缺陷图片的验证,通过将分类模型1输出的预测缺陷标签与该缺陷图片标注中的缺陷标签进行比对,获取分类模型1的符合率,以及通过将分类模型2输出的预测缺陷标签与该缺陷图片标注中的缺陷标签进行比对,获取分类模型2的符合率。将分类模型1的符合率与分类模型2的符合率进行比对,若分类模型1的符合率大于分类模型2的符合率,则确定分类模型1为优选模型;若分类模型的符合率小于分类模型2的符合率,则确定分类模型2为优选模型;若分类模型1的符合率等于分类模型2的符合率,则通过已标注数据集2中未验证的带缺陷标签的缺陷图片继续对分类模型1和分类模型2进行验证,直至确定分类模型1或分类模型2为预选模型,完成模型优选任务。
或者,通过预置约定,确定模型优选任务所需的配置模块为数据集配置模块、数据标注配置模块、模型管理配置模块和模型优选配置模块。如,从任务数据集管理配置界面的已标注数据集1、已标注数据集2、未标注数据集1、未标注数据集2、项目数据集1、项目数据集2,如选择未标注数据集1,并确定未标注数据集1的用途为标记和验证,将确认用途为标记的未标注数据集1与模型训练任务的名称模型训练1进行绑定。如,从任务数据标记配置界面的缺陷管理信息中确认目标数据集的缺陷标签,其中,缺陷标签的数量可以为多个,对此不对具体数量作限定。例如,确认缺陷管理信息中的asd和white两个作为为标注数据集1的缺陷标签,并将确定的asd和white标签与模型优选任务的名称模型优选1进行绑定。如,从任务模型管理配置界面的分割模型1、分割模型2、分类模型1、分类模型2、检测模型1以及检测模型2中确认分类模型1和分类模型2,并从模型用途如辅助标记、训练、模型优选和推断中确认分类模型1和分类模型2的用途模型优选,并将确认用途为模型优选的分类模型1和分类模型2与模型优选任务的名称模型优选1进行绑定。从任务模型优选配置界面对样本数、比对规则如缺陷图片的预测缺陷标签和标注缺陷标签进行比对、比对任意两个模型之间的符合率进行配置,并将配置后的样本数、比对规则与模型优选任务的名称模型优选1进行绑定。
在完成数据集配置模块、数据标注任务、模型管理配置模块和模型优选配置模块的配置后,通过对未标注数据集1进行asd标注和white标注,生成带asd标注和white的数据集。通过带asd标签和white标签的数据集对模型管理配置模块中的分类模型1和分类模型2进行验证,如,通过样本数选择带asd和white标签的数据集中与样本数相同数量的带asd和white标签的缺陷图片,将该带asd和white标签的缺陷图片分别输入到分类模型1和分类模型2中,得到分类模型1和分类模型2预测缺陷图片的预测缺陷标签,通过比对规则,确定分类模型1输出的预测缺陷标签是否正确,如,将分类模型1输出的预测缺陷标签与该带asd和white标签的缺陷图片标注中的asd和white标签进行比对,若一致,则正确;若不一致,则不正确。确定分类模型1和分类模型2完成对缺陷图片的验证,通过将分类模型1输出的预测缺陷标签与带asd和white标签的缺陷图片标注中的asd和white标签进行比对,获取分类模型1的符合率,以及通过将分类模型2输出的预测缺陷标签与带asd和white标签的缺陷图片标注中的asd和white进行比对,获取分类模型2的符合率。将分类模型1的符合率与分类模型2的符合率进行比对,若分类模型1的符合率大于分类模型2的符合率,则确定分类模型1为优选模型;若分类模型的符合率小于分类模型2的符合率,则确定分类模型2为优选模型;若分类模型1的符合率等于分类模型2的符合率,则通过已标注数据集2中未验证的带asd和white的缺陷图片继续对分类模型1和分类模型2进行训练,直至分类模型1或分类模型2为预选模型,完成模型优选任务。
或者,通过预置约定,确定模型优选任务所需的配置模块为数据集配置模块、数据标注配置模块、模型训练配置模块、模型管理配置模块和模型优选配置模块。如,从数据集管理配置的已标注数据集1、已标注数据集2、未标注数据集1、未标注数据集2、项目数据集1、项目数据集2中选择未标注数据集1,并确定未标注数据集1的用途为标记、训练和验证,将确认用途为标记、训练和验证的未标注数据集1与模型优选任务的名称模型优选1进行绑定。如,从任务模型管理配置界面的分割模型1、分割模型2、分类模型1、分类模型2、检测模型1以及检测模型2中确认分类模型1和分类模型2,并从模型用途如辅助标记、训练、模型优选和推断中确认分类模型1和分类模型2的用途为训练和模型优选,并将确认用途为训练和模型优选的分类模型1和分类模型2与模型优选任务的名称模型优选1进行绑定。
在任务数据标记配置界面的缺陷管理中确认目标数据集的缺陷标签,其中,缺陷标签的数量可以为多个,对此不对具体数量作限定。例如,确认缺陷管理信息中的asd和/或white两个作为未标注数据集1的缺陷标签。并将确认的asd和/或white标签与模型优选任务的名称模型优选1进行绑定。在任务模型训练配置界面对分类模型1和分类模型2,或检测模型1和检测模型2的骨干网络、框架、批大小、学习率、训练轮数中的至少一种进行配置,如配置骨干网络为MoblieNetV1、框架名称为单张图片、批大小为MM、学习率为0.1、训练轮数为100,并将配置后的骨干网络、框架、批大小、学习率和/或训练轮数与模型优选任务的模型优选1进行绑定。从任务模型优选配置界面对样本数、比对规则如缺陷图片的预测缺陷标签和标注缺陷标签进行比对、比对任意两个模型之间的符合率进行配置,并将配置后的样本数、比对规则与模型优选任务的名称模型优选1进行绑定。
在完成数据集配置模块、数据标注任务、模型管理配置模块、模型训练任务和模型优选配置模块的配置后,通过分类模型1和/或分类模型2对未标注数据集1进行标记asd标签,生成带asd标签的数据集。将带asd标签的数据集中的多张带asd标签的缺陷图片输入配置骨干网络、批大小、学习率、训练轮数后的分类模型1和分类模型2中进行训练,生成训练后的分类模型1和训练后的分类模型2。通过带asd标签的数据集对模型优选配置模块中的分类模型1和分类模型2进行验证;如,在带asd标签的数据集选择与样本数相同数量的带asd标注的缺陷图片,将带asd标签的缺陷图片分别输入到分类模型1和分类模型2中,得到分类模型1和分类模型2预测缺陷图片的预测缺陷标签,通过比对规则,确定分类模型1输出的预测缺陷标签是否正确,如,将分类模型1输出的预测缺陷标签与带asd标签的缺陷图片中的asd标签进行比对,若一致,则正确;若不一致,则不正确。确定分类模型1和分类模型2完成对带asd标签的缺陷图片的验证,通过将分类模型1输出的预测缺陷标签与该带asd标签的陷图片标注中的asd标签的进行比对,获取分类模型1的符合率,以及通过将分类模型2输出的预测缺陷标签与带asd标签的缺陷图片标注中的asd标签的进行比对,获取分类模型2的符合率。将分类模型1的符合率与分类模型2的符合率进行比对,若分类模型1的符合率大于分类模型2的符合率,则确定分类模型1为优选模型;若分类模型的符合率小于分类模型2的符合率,则确定分类模型2为优选模型;若分类模型1的符合率等于分类模型2的符合率,则通过已标注asd标签的未标注数据集1中未验证的带asd标签的图片继续对分类模型1和分类模型2进行验证,直至确定分类模型1或分类模型2为预选模型,完成模型优选任务。
在本发明实施例中,模型优选任务可以选择该任务所需的配置模块的用途,以及模型优选任务也可以选择该任务所需的配置模块的不同用途,提供多样化的配置模块解决模型优选任务。
在一实施例中,所述创建任务,确定所述任务所需的配置模块,并对所述配置模块进行配置,以完成所述任务,包括:
创建第六任务,若所述第六任务为推断与检测任务,则所述第六任务所需的配置模块为模型管理配置模块和推断与检测配置模块;若所述第六任务所需的配置模块为模型管理配置模块和推断与检测配置模块,则对所述模型管理配置模块和推断与检测配置模块进行配置,其中,从所述模型管理模型中确认预置目标模型,且所述预置目标模型的用途为推断,获取待检测数据集,利用预置目标模型完成推断与检测任务,并在推断与检测任务界面显示相关信息;
或者,所述第六任务所需的配置模块为数据集配置模块、模型管理配置模块和推断与检测配置模块;若所述第六任务所需的配置模块为数据集配置模块、模型管理配置模块和推断与检测配置模块,则对所述数据集配置模块、模型管理配置模块和推断与检测配置模块进行配置,其中,从所述数据集配置模块中确认目标数据集,且所述目标数据的用途为推断,从所述模型管理配置模块中确认预置目标模型,且所述预置目标模型的用途为推断;
或者,所述第六任务所需的配置模块为数据集配置模块、模型管理配置模块、模型优选配置模块和推断与检测配置模块;若所述第六任务所需的配置模块为数据集配置模块、模型管理配置模块、模型优选配置模块和推断与检测配置模块,则对所述数据集配置模块、模型管理配置模块、模型优选配置模块和推断与检测配置模块进行配置,其中,从所述数据集配置模块中确认目标数据集,且所述目标数据的用途为验证和推断,从所述模型管理配置模块中确认预置目标模型,且所述预置目标模型的用途为模型优选和推断,以及所述预置目标模型包括多个模型;
或者,所述第六任务所需的配置模块为数据集配置模块、数据标注配置模块、模型管理配置模块、模型优选配置模块和推断与检测配置模块;若所述第六任务所需的配置模块为数据集配置模块、数据标注配置模块、模型管理配置模块、模型优选配置模块和推断与检测配置模块,则对所述数据集配置模块、数据标注配置模块、模型管理配置模块、模型优选配置模块和推断与检测配置模块进行配置,其中,从所述数据集配置模块中确认目标数据集,且所述目标数据的用途为标记、验证和推断,从所述模型管理配置模块中确认预置目标模型,以及所述预置目标模型的用途为模型优选和推断,且所述预置目标模型包括多个模型;
或者,所述第六任务所需的配置模块为数据集配置模块、数据标注配置模块、模型管理配置模块、模型训练配置模块、模型优选配置模块和推断与检测配置模块;若所述第六任务所需的配置模块为数据集配置模块、数据标注配置模块、模型管理配置模块、模型训练配置模块、模型优选配置模块和推断与检测配置模块,则对所述数据集配置模块、数据标注配置模块、模型管理配置模块、模型训练配置模块、模型优选配置模块和推断与检测配置模块,其中,从所述数据集配置模块中确认目标数据集,且所述目标数据的用途为标记、训练、验证和推断,从所述模型管理配置模块中确认预置目标模型,且所述预置目标模型的用途为训练、模型优选和推断,以及所述预置目标模型包括多个模型。
在推断与检测界面显示多张待检测的图片检测结果,完成所述第六任务。
本实施例中,获取创建第六任务的名称信息,通过第六任务的名称确定第六任务为推断与检测任务。如,获取第六任务的名称信息为推断与检测1,则该第六任务为推断与检测任务。通过预置约定,确定推断与检测任务所需的配置模块为模型管理配置和推断与检测配置模块。从任务模型管理配置界面的分割模型1、分割模型2、分类模型1、分类模型2、检测模型1以及检测模型2中确认检测模型1,并从模型用途如辅助标记、训练、模型优选和推断中确认检测模型1的用途为推断,并将确认用途为推断的检测模型1与推断与检测任务的名称推断与检测1进行绑定。从任务推断与检测配置界面配置机种参数和配置训练参数。
在完成模型优选配置模块和推断与检测配置模块的配置后,通过预先获取服务器或发送端发送的多张待检测图片。在推断与检测任务相应的推断与检测界面中通过配置机种参数和配置训练参数后的检测模型1对多张待检测图片进行检测,并显示各个待检测图片中有缺陷的图片和/无缺陷的图片,完成推断与检测任务。
或者,通过预置约定,确定推断与检测任务所需的配置模块为数据集模型管理配置模块、模型管理配置模块和推断与检测配置模块。从数据集管理配置的已标注数据集1、已标注数据集2、未标注数据集1、未标注数据集2、项目数据集1、项目数据集2中选择未标注数据集1,并确定未标注数据集1的用途为推断,将确认用途为推断的未标注数据集1与推断与检测任务的名称推断与检测1进行绑定。从任务模型管理配置界面的分割模型1、分割模型2、分类模型1、分类模型2、检测模型1以及检测模型2中确认检测模型1,并从模型用途如辅助标记、训练、模型优选和推断中确认检测模型1的用途为推断,并将确认用途为推断的检测模型1与推断与检测任务的名称推断与检测1进行绑定。从任务推断与检测配置界面配置机种参数和配置训练参数。从任务推断与检测配置界面配置机种参数和配置训练参数。
在完成数据集配置模块、模型管理配置模块和推断与检测配置模块的配置后,在推断与检测任务相应的推断与检测界面通过配置机种参数和配置训练参数后的检测模型1对未标注数据集1中的多张待检测图片进行检测,并显示各个待检测图片中有缺陷的图片和/无缺陷的图片,完成推断与检测任务。
或者,通过预置约定,确定推断与检测任务所需的配置模块为数据集配置模块、模型管理配置模块、模型优选配置模块和推断与检测配置模块。如,从数据集管理配置的已标注数据集1、已标注数据集2、未标注数据集1、未标注数据集2、项目数据集1、项目数据集2中选择未标注数据集1,并确定已标注数据集1的用途为验证和推断,将确认用途为验证和推断的已标注数据集1与推断与检测任务的名称推断与检测1进行绑定。或者,选择未标注数据集1,并确定未标注数据集1的用途为推断,确定已标注数据集1的用途为验证,并将确认用途为验证的已标注数据集1和确认用途为推断的未标注数据集1与推断与检测任务的名称推断与检测1进行绑定。
从任务模型管理配置界面的分割模型1、分割模型2、分类模型1、分类模型2、检测模型1以及检测模型2中确认检测模型1和检测模型2,并从模型用途如辅助标记、训练、模型优选和推断中确认检测模型1和检测模型2的用途为模型优选和推断,并将确认用途为模型优选和推断的检测模型1和检测模型2与推断与检测任务的名称推断与检测1进行绑定。从任务模型优选配置界面对样本数、比对规则如缺陷图片的预测缺陷标签和标注缺陷标签进行比对、比对任意两个模型之间的符合率进行配置,并将配置后的样本数、比对规则与与推断与检测任务的名称推断与检测1进行绑定。从任务推断与检测配置界面配置机种参数和配置训练参数。从任务推断与检测配置界面配置机种参数和配置训练参数。
在完成数据集配置模块、模型管理配置模块、模型优选配置模块和推断与检测配置模块的配置后,在推断与检测任务相应的推断与检测界面通过数据集配置模块中已标注的数据集1对模型优选配置模块中的检测模型1和检测模型2进行验证,如,通过样本数选择已标注数据集1中一定量的带缺陷标签的缺陷图片,将该带缺陷标签的缺陷图片分别输入到检测模型1和检测模型2中,得到检测模型1和检测模型2预测带缺陷标签的缺陷图片的预测缺陷标签,通过比对规则,确定分类模型1或分类模型2为优选模型。通过优选模型为检测模型1或检测模型2对已标注数据集1或未标注数据1中待检测图片进行检测,并显示各个待检测图片中有缺陷的图片和/无缺陷的图片,完成推断与检测任务。
或者,通过预置约定,确定推断与检测任务所需的配置模块为数据集配置模块、数据标注配置模块、模型管理配置模块、模型优选配置模块和推断与检测配置模块。从数据集管理配置的已标注数据集1、已标注数据集2、未标注数据集1、未标注数据集2、项目数据集1、项目数据集2中选择未标注数据集1,并确定未标注数据集1的用途为标记、验证和推断,将确认用途为标记、验证和推断的未标注数据集1与推断与检测任务的名称推断与检测1进行绑定。或者,选择未标注数据集1,确定未标注数据集1的用途为标记和验证,选择未标注数据集2,确定未标注数据集2的用途为推断,并将确认用途为标记和验证的未标注数据集1和确认用途为推断的未标注数据集2与推断与检测任务的名称推断与检测1进行绑定。从任务数据标记配置界面的缺陷管理中确认未标注数据集1的缺陷标签,其中,缺陷标签的数量可以为多个,对此不对具体数量作限定。例如,确认缺陷管理信息中的asd和/或white两个作为未标注数据集1的缺陷标签。并将确认的asd和/或white标签与推断与检测任务的名称推断与检测1进行绑定。
从任务模型管理配置界面的分割模型1、分割模型2、分类模型1、分类模型2、检测模型1以及检测模型2中确认检测模型1和检测模型2,并从模型用途如辅助标记、训练、模型优选和推断中确认检测模型1和检测模型2的用途为模型优选和推断,并将确认用途为模型优选和推断的检测模型1和检测模型2与推断与检测任务的名称推断与检测1进行绑定。从任务模型优选配置界面对样本数、比对规则如缺陷图片的预测缺陷标签和标注缺陷标签进行比对、比对任意两个模型之间的符合率进行配置,并将配置后的样本数、比对规则与推断与检测任务的名称推断与检测1进行绑定。从任务推断与检测配置界面配置机种参数和配置训练参数。从任务推断与检测配置界面配置机种参数和配置训练参数。
在完成数据集配置模块、数据标注配置模块、模型管理配置模块、模型优选配置模块和推断与检测配置模块的配置后,在推断与检测任务相应的推断与检测界面通过对未标注数据集1进行asd标注,生成带asd标注的数据集。通过带asd标注的数据集对模型优选配置模块中的检测模型1和检测模型2进行验证。如,通过样本数选择带asd标注的数据集中一定量的缺陷图片,将该缺陷图片分别输入到检测模型1和检测模型2中,得到检测模型1和检测模型2预测缺陷图片的预测缺陷标签,通过比对规则,确定检测模型1或检测模型2为优选模型。通过配置机种参数和训练参数后的检测模型1或检测模型2对未标注数据集1或未标注数据集2中的待检测图片进行预测,并显示各个待检测图片中有缺陷的图片和/无缺陷的图片,完成推断与检测任务。
或者,通过预置约定,确定推断与检测任务所需的配置模块为数据集配置模块、数据标注配置模块、模型训练配置模块、模型管理配置模块和模型优选配置模块。如,从数据集管理配置的已标注数据集1、已标注数据集2、未标注数据集1、未标注数据集2、项目数据集1、项目数据集2中选择未标注数据集1,并确定未标注数据集1的用途为标记、训练、验证和推断,将确认用途为标记、训练、验证和推断的未标注数据集1与推断与检测任务的名称推断与检测1进行绑定。或者,选择未标注数据集1,确定未标注数据集1的用途为标记、训练和验证,选择未标注数据集2,确定未标注数据集2的用途为推断,并将确认用途为标记、训练和验证的未标注数据集1和确认用途为推断的未标注数据集2与推断与检测任务的名称推断与检测1进行绑定。从任务数据标记配置界面的缺陷管理中确认未标注数据集1的缺陷标签,其中,缺陷标签的数量可以为多个,对此不对具体数量作限定。例如,确认缺陷管理信息中的asd和/或white两个作为未标注数据集1的缺陷标签。并将确认的asd和/或white标签与推断与检测任务的名称推断与检测1进行绑定。
从任务模型管理配置界面的分割模型1、分割模型2、分类模型1、分类模型2、检测模型1以及检测模型2中确认检测模型1和检测模型2,并从模型用途如辅助标记、训练、模型优选和推断中确认检测模型1和检测模型2的用途为训练、模型优选和推断,并将确认用途为训练、模型优选和推断的检测模型1和检测模型2与推断与检测任务的名称推断与检测1进行绑定。从任务模型训练配置界面对检测模型1和检测模型2的骨干网络、框架、批大小、学习率、训练轮数中的至少一种进行配置,如配置骨干网络为MoblieNetV1、框架名称为单张图片、批大小为MM、学习率为0.1、训练轮数为100,并将配置后的骨干网络、框架、批大小、学习率和/或训练轮数与推断与检测任务的名称推断与检测1进行绑定。从任务模型优选配置界面对样本数、比对规则如缺陷图片的预测缺陷标签和标注缺陷标签进行比对、比对任意检测模型1和检测模型2之间的符合率进行配置,并将配置后的样本数、比对规则与推断与检测任务的名称推断与检测1进行绑定。从任务推断与检测配置界面配置机种参数和配置训练参数。从任务推断与检测配置界面配置机种参数和配置训练参数。
在完成数据集配置模块、数据标注配置模块、模型管理配置模块、模型训练配置模块、模型优选配置模块和推断与检测配置模块的配置后,在推断与检测任务相应的推断与检测界面通过对未标注数据集1进行asd标注,生成带asd标注的数据集。将带asd标签的数据集中的多张带asd标签的缺陷图片输入配置骨干网络、批大小、学习率、训练轮数后的检测模型1和检测模型2中进行训练,生成训练后的检测模型1和训练后的检测模型2。通过带asd标注的数据集对训练后的检测模型1和训练后的检测模型2进行验证。如,通过样本数选择带asd标注的数据集中一定量的缺陷图片,将该缺陷图片分别输入到训练后检测模型1和训练后检测模型2中,得到训练后检测模型1和训练后检测模型2预测缺陷图片的预测缺陷标签,通过比对规则,确定训练后检测模型1或训练后检测模型2为优选模型。通过配置机种参数和训练参数后的训练后检测模型1或训练后检测模型2对未标注数据集1或未标注数据集2中的待检测图片进行预测,并显示各个待检测图片中有缺陷的图片和/无缺陷的图片,完成推断与检测任务。
在本发明实施例中,推断与检测任务可以选择该任务所需的配置模块的用途,以及推断与检测任务也可以选择该任务所需的配置模块的不同用途,提供多样化的配置模块解决推断与检测任务。
请参照图2,图2为本发明的实施例提供的另一种用于缺陷检测的任务管理方法的流程示意图。
如图2所示,该包括步骤S20至步骤S22。
步骤S20、获取各个待检测图片通过执行推断与检测任务之后的检测结果。
本实施例中,获取目标数据集,或标注后的目标数据集、或对应终端或服务器发送数据集中的各个待检测图片通过推断与检测任务之后预置目标模型输出的检测结果。例如,获取数据集配置模块中的未标记数据集1、或已标记数据集1、或通过数据标注配置模块对未标记数据集1标记缺陷标签后,带缺陷标签的未标记数据集1。
步骤S21、基于所述检测结果,确定所述各个待检测图片中有缺陷的图片和/或无缺陷的图片。
本实施例中,例如,检测结果包括缺陷值,将各个待检测图片的缺陷值与预置缺陷值进行比对,若待检测图片的缺陷值大于或等于预置缺陷值,则确定待检测图片为有缺陷。或者,检测结果包括缺陷标签,获取各个待检测图片的缺陷标签,若缺陷标签为0,则确定待检测图片没有缺陷;若缺陷标签为1,则确定待检测图片有缺陷。
步骤S22、利用所述有缺陷的图片和/或所述无缺陷的图片更新所述数据集配置模块中的数据集。
本实施例中,例如,通过在数据集配置模块的数据集管理界面新建一个数据集任务事项,将有缺陷的图片归类至创建好的第一数据集名称下,以更新数据集配置模块中的数据集。和/或,通过在数据集配置模块的数据集管理界面新建一个数据集任务事项,将无缺陷的图片归类至创建好的第二数据集名称下,以更新数据集配置模块中的数据集。
在本发明实施例中,通过获取待检测图片进行检测后的检测结果,确定有缺陷的图片,并利用有缺陷的图片更新数据集配置模块中的数据集,实现自动采集数据集就,从而避免人工采集数据集而消耗大量的时间,并提高采集数据集的效率。
在一实施例中,用所述有缺陷的图片和/或所述无缺陷的图片更新所述数据集配置模块中的数据集之后,还包括:当检测到更新后的所述数据集配置模块中的数据集满足预定条件,进行模型训练。
例如,当检测到更新后的数据集配置模块中的已标注数据集的数量为3个数据集满足预设预置,对模型管理配置模块和/或模型训练配置模块进行配置,以使数据集配置模块中3个数据集对模型管理配置模块中配置后的所有模型,如,分割模型1、分模型2、分类模型1、分类模型2、检测模型1和检测模型2进行训练,以生成新的模型。和/或通过数据集配置模块中3个数据集对模型训练配置模块中配置后的骨干网络进行训练,以生成新的模型。
请参照图3,图3为本发明的实施例提供的用于缺陷检测的任务管理系统的流程示意图。
如图3所示,该包括步骤S30至步骤S32。
步骤S30、包括任务管理端和任务执行端;
本实施例中,用于缺陷检测的任务管理系统包括任务发送端和任务接收端,其中,任务接收端至少为一个。
步骤S31、所述任务管理端确定所述任务执行端的权限,并进行所述任务的资源配置和参数配置,所述资源配置至少包括确认所述任务所需的目标资源;
本实施例中,例如,任务为数据标注任务,任务管理端对数据集配置模块和数据标注配置模块进行配置,以使确定任务执行端的权限只能查看数据标注配置模块配置后的目标资源。如,确认数据集配置模块中的未标注数据集1,任务执行端的权限为查看未标注数据集1,确认数据标注配置模块中的缺陷类型为asd标签,任务执行端的权限为查看asd标签。例如,任务为模型训练任务,任务管理端对数据集配置模块和模型训练配置模块进行配置,任务执行端的权限为查看任务管理端对数据集配置模块配置后的目标数据集,以及查看任务管理端对模型训练配置模块配置后的骨干网络、轮训次数、学习率等。
步骤S32、所述任务执行端根据权限查看配置后的资源和参数,并在确认开始执行任务后显示与所述任务相关的任务界面。
本实施例中,例如,任务为数据标注任务,任务执行端查看任务管理端对数据集配置模块配置后的未标注数据1和产看对数据标注配置模块配置后的asd标签,在执行数据标注任务时,显示数据标注任务对应数据标注任务界面。
本实施例中,任务接收端接收任务发送端发送的相应任务,查看配置后的资源和参数,在执行任务后显示与任务相关的任务界面,其中任务界面包括操作显示界面。
本发明还包括一种用于缺陷检测的任务管理系统,所述系统包括:
数据集管理任务模块、数据标注任务模块、模型训练任务模块、模型管理任务模块、模型优选任务模块、推断与检测任务模块;
所述数据集管理任务模块对数据集进行管理,并为数据标注任务模块和/或模型训练任务模块和/或模型管理任务模块和/或模型优选任务模块和/或推断与检测任务模块提供目标数据集;
所述数据标注任务模块从数据集管理任务模块获得数据集进行标注,并为模型训练任务模块和/或模型管理任务模块和/或模型优选任务模块和/或推断与检测任务模块提供标注后的数据集;
所述模型训练任务模块用于利用数据集管理任务模块或者数据标注任务模块获得的数据集进行模型训练;
所述模型管理任务模块从模型训练任务模块或者外部导入获得模型;
所述模型优选任务模块从模型管理任务模块获得多个待比较模型,并从数据集管理任务模块中获得数据集,从而获得多个待比较模型的比较结果,获得最优模型;
所述推断与检测任务模块利用模型优选任务模块获得的最优模型或者模型训练任务模块获得的模型进行缺陷检测。
在一实施例中,利用所述推断与检测任务模块的检测结果更新所述数据集管理任务模块中的数据集。例如,数据集管理任务模块中的未标注数据集1,可以为数据标注任务模块中提供可标注的数据集,标注后的数据集可以进行模型训练,进行模型训练后的模型可以给模型优选模块进行选择优选模型,选择的优选模型可以用于推断与检测模块进行缺陷检测,而推断与检测获得的结果又可以用来更新数据集管理任务模块中的数据集。当然,这只是其中一个实施例,例如,数据集管理任务中的数据集可以直接给推断与检测模块进行缺陷检测,或者从产线直接获取数据集,将数据集给推断与检测模块,而推断与检测模块的结果可以用来更新数据集管理任务模块中的数据集等等。各个任务模块集成在一起,从而使得多个任务之间建立联系或者共享资源。
在本发明实施例中,任务管理端对任务所需的配置模块进行配置,确定任务执行端的权限,以使降低了任务难度,提高了任务完成的时效和效率。
上述实施例提供的可以实现为一种计算机程序的形式,该计算机程序可以在如图4所示的计算机设备上运行。
请参阅图4,图4为本发明实施例提供的一种计算机设备的结构示意性框图。该计算机设备可以为终端。
如图4所示,该计算机设备包括通过系统总线连接的处理器、存储器和网络接口,其中,存储器可以包括非易失性存储介质和内存储器。
非易失性存储介质可存储操作系统和计算机程序。该计算机程序包括程序指令,该程序指令被执行时,可使得处理器执行任意一种用于缺陷检测的任务管理方法。
处理器用于提供计算和控制能力,支撑整个计算机设备的运行。
内存储器为非易失性存储介质中的计算机程序的运行提供环境,该计算机程序被处理器执行时,可使得处理器执行任意一种用于缺陷检测的任务管理方法。
该网络接口用于进行网络通信,如发送分配的任务等。本领域技术人员可以理解,图4中示出的结构,仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
应当理解的是,处理器可以是中央处理单元 (Central Processing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor,DSP)、专用集成电路 (Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中,通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序中包括程序指令,所述程序指令被执行时所实现的用于缺陷检测的任务管理方法可参照本发明的各个实施例。
其中,所述计算机可读存储介质可以是前述实施例所述的计算机设备的内部存储单元,例如所述计算机设备的硬盘或内存。所述计算机可读存储介质也可以是所述计算机设备的外部存储设备,例如所述计算机设备上配备的插接式硬盘,智能存储卡(SmartMedia Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (22)
1.一种用于缺陷检测的任务管理方法,其特征在于,包括:
创建任务,确定所述任务所需的配置模块,并对所述任务所需的配置模块进行配置,以完成所述任务;
其中,所述任务包括数据集管理任务、数据标注任务、模型训练任务、模型管理任务、模型优选任务、推断与检测任务至少一种;
其中,所述配置模块包括数据集配置模块、模型管理配置模块、数据标注配置模块、模型训练配置模块、模型优选配置模块和推断与检测配置模块中的至少一个;
所述数据标注任务,用于对所述数据集配置模块中的数据集进行标注;
所述模型优选任务,用于对比多个模型,确定最优模型;
所述推断与检测任务,用于对待测图片进行缺陷检测。
2.如权利要求1所述的用于缺陷检测的任务管理方法,其特征在于,所述配置模块至少包括数据集配置模块或模型管理配置模块,每个配置模块的用途有多种,根据任务选择所述任务所需的配置模块的用途。
3.如权利要求1所述的用于缺陷检测的任务管理方法,其特征在于,
确定所述任务所需的配置模块,包括:
根据创建的任务种类,自动开启所述任务所需的配置模块,所需配置模块来源于数据集配置模块、模型管理配置模块、数据标注配置模块、模型训练配置模块、模型优选配置模块和推断与检测配置模块中的一个或多个;
对所述配置模块进行配置包括:
从所述配置模块中的资源模块中确认所述任务所需的目标资源;
确认所述目标资源的用途,并将所述目标资源与所述任务进行绑定。
4.如权利要求1所述的用于缺陷检测的任务管理方法,其特征在于,若所需配置模块为数据集配置模块,则对所述数据集配置模块进行配置包括:
确定所述数据集配置模块中所述任务所需的目标数据集,以及确认所述目标数据集的用途,并将所述目标数据集与所述任务进行绑定,所述目标数据集的用途包括标记、训练、推断、验证至少一种;
若所需配置模块为模型管理配置模块,则对所述模型管理配置模块进行配置包括:
确定所述模型管理配置模块中所述任务所需的预置目标模型,以及确认所述预置目标模型的用途,并将所述预置目标模型与所述任务进行绑定,所述预置目标模型的用途包括辅助标记、训练、推断、模型优选至少一种。
5.如权利要求1-4任一项所述的用于缺陷检测的任务管理方法,其特征在于,对所需的各配置模块进行配置,包括:
确认目标资源和/或参数,并确认各所述配置模块的用途;
配置完成之后在相应的任务界面执行相应任务和/或显示相关信息。
6.如权利要求5中所述的用于缺陷检测的任务管理方法,其特征在于,所述创建任务,确定所述任务所需的配置模块,并对所述资源模块进行配置,以完成所述任务,包括:
创建第一任务,若所述第一任务为数据集管理任务,则所述第一任务所需的配置模块为数据集配置模块,并对所述数据集配置模块进行配置;
数据集管理任务具有对应的数据集管理任务界面,所述数据集管理任务界面包括创建数据集、导入数据集、导出数据集、编辑数据集、删除数据集的任务中的一种或多种。
7.如权利要求5中所述的用于缺陷检测的任务管理方法,其特征在于,所述创建任务,确定所述任务所需的配置模块,并对所述资源模块进行配置,以完成所述任务,包括:
创建第二任务,若所述第二任务为所述数据标注任务,则所述第二任务所需的配置模块为数据集配置模块和数据标注配置模块;
或者,所述第二任务所需的配置模块为所述数据集配置模块、数据标注配置模块和模型管理配置模块;
配置完成之后在数据标记任务界面执行相应任务和/或显示相关信息,其中,所述数据标记任务界面包括已完成标记的缺陷图片信息和/或未完成标记的缺陷图片信息。
8.如权利要求7所述的用于缺陷检测的任务管理方法,其特征在于:
若所述第二任务所需的配置模块为所述数据集配置模块和数据标注配置模块,则对所述数据集配置模块和数据标注配置模块进行配置,其中,从所述数据集配置模块中确认目标数据集,且所述目标数据集的用途为标记;
若所述第二任务所需的配置模块为所述数据集配置模块、数据标注和模型管理配置模块,则对所述数据集配置模块、数据标注配置模块和模型管理配置模块进行配置,其中,从所述数据集配置模块中确认目标数据集,且所述目标数据集的用途为标记,从所述模型管理配置模块中确认预置目标模型,且所述预置目标模型的用途为辅助标记。
9.如权利要求5所述的用于缺陷检测的任务管理方法,其特征在于,所述创建任务,确定所述任务所需的配置模块,并对所述资源模块进行配置,以完成所述任务,包括:
创建第三任务,若所述第三任务为所述模型训练任务,则所述第三任务所需的配置模块为所述数据集配置模块和模型训练配置模块;
或者,所述第三任务所需的配置模块为所述数据集配置模块、模型管理配置模块和模型训练配置模块;
或者,所述第三任务所需的配置模块为所述数据集配置模块、数据标注配置模块和模型训练配置模块;
或者,所述第三任务所需的配置模块为所述数据集配置模块、数据标注配置模块、模型训练配置模块和模型管理配置模块;
在模型训练任务界面显示所述训练后生成的模型,完成所述第三任务。
10.如权利要求9所述的用于缺陷检测的任务管理方法,其特征在于,包括:
若所述第三任务所需的配置模块为所述数据集配置模块和模型训练配置模块,则对所述数据集配置模块和模型训练配置模块进行配置,其中,从所述数据集配置模块中确认目标数据集,且所述目标数据集的用途为训练,对所述模型训练配置模块进行参数配置;
若所述第三任务所需的配置模块为数据集配置模块、模型管理配置模块和模型训练配置模块,则对所述数据集配置模块、模型管理配置模块和模型训练配置模块进行配置,其中,从所述数据集配置模块中确认目标数据集,且所述目标数据集的用途为训练,从所述模型管理配置模块中确认预置目标模型,且所述预置目标模型的用途为训练;
若所述第三任务所需的配置模块为所述数据集配置模块、数据标注配置模块和模型训练配置模块,则对所述数据集配置模块、数据标注配置模块和模型训练配置模块进行配置,其中,从所述数据集配置模块中确认目标数据集,且所述目标数据集的用途为标记和训练,所述数据标注配置模块和所述模型训练配置模块为参数配置;
若所述第三任务所需的配置模块为数据集配置模块、数据标注配置模块、模型训练配置模块和模型管理配置模块,则对所述数据集配置模块、数据标注配置模块、模型训练配置模块和模型管理配置模块进行配置,其中,从所述数据集配置模块中确认目标数据集,且所述目标数据集的用途为标记和训练,从所述模型管理配置模块中确认预置目标模型,且所述预置目标模型的用途为训练,所述数据标注配置模块和所述模型训练配置模块为参数配置。
11.如权利要求5所述的用于缺陷检测的任务管理方法,其特征在于,所述创建任务,确定所述任务所需的配置模块,并对所述配置模块进行配置,以完成所述任务,包括:
创建第四任务,若所述第四任务为所述模型管理任务,则所述第四任务所需的配置模块为模型管理配置模块,并对所述模型管理配置模块进行资源配置;
显示所述模型管理配置模块对应的模型管理任务界面,所述模型管理任务界面包括上传模型、导出模型和/或删除模型的任务中的一种或多种;
执行所述上传模型、导出模型和/或删除模型中的任务一种或多种,完成所述第四任务。
12.如权利要求5所述的用于缺陷检测的任务管理方法,其特征在于,所述创建任务,确定所述任务所需的配置模块,并对所述配置模块进行配置,以完成所述任务,包括:
创建第五任务,若所述第五任务为所述模型优选任务,则所述第五任务所需的配置模块为所述数据集配置模块、模型管理配置模块和模型优选配置模块;
或者,所述第五任务所需的配置模块为所述数据集配置模块、数据标注配置模块、模型管理配置模块、模型优选配置模块;
或者,所述第五任务所需的配置模块为所述数据集配置模块、数据标注配置模块、模型管理配置模块、模型训练配置模块、模型优选配置模块;
显示所述模型优选配置模块对应的模型优选任务界面,所述模型优选任务界面包括多个模型的验证结果;
通过所述验证结果,确定最优模型,完成所述第五任务。
13.如权利要求12所述的用于缺陷检测的任务管理方法,其特征在于:
若所述第五任务所需的配置模块为数据集配置模块、模型管理配置模块和模型优选配置模块,则对所述数据集配置模块、模型管理配置模块和模型优选模进行配置,其中,从所述数据集配置模块中确认目标数据集,且所述数据集配置模块的用途为验证,从所述模型管理配置模块中确认预置目标模型,且所述预置目标模型的用途为模型优选,以及所述预置目标模型包括多个模型;
若所述第五任务所需的配置模块为数据集配置模块、数据标注配置模块、模型管理配置模块、模型优选配置模块,则对所述数据集配置模块、数据标注配置模块、模型管理配置模块、模型优选配置模块进行配置,其中,从所述数据集配置模块中确认目标数据集,且所述数据集配置模块的用途为标记和验证,从所述模型管理配置模块中确认预置目标模型,且所述预置目标模型的用途为模型优选,以及所述预置目标模型包括多个模型;
若所述第五任务所需的配置模块为数据集配置模块、数据标注配置模块、模型管理配置模块、模型训练配置模块、模型优选配置模块,则对所述数据集配置模块、数据标注配置模块、模型管理配置模块、模型训练配置模块、模型优选配置模块进行配置,其中,从所述数据集配置模块中确认目标数据集,且所述数据集配置模块的用途为标记、训练和验证,从所述模型管理配置模块中确认预置目标模型,所述预置目标模型的用途为训练和模型优选,且所述预置目标模型包括多个模型。
14.如权利要求5所述的用于缺陷检测的任务管理方法,其特征在于,所述创建任务,确定所述任务所需的配置模块,并对所述配置模块进行配置,以完成所述任务,包括:
创建第六任务,若所述第六任务为所述推断与检测任务,则所述第六任务所需的配置模块为所述模型管理配置模块和推断与检测配置模块;
或者,所述第六任务所需的配置模块为所述数据集配置模块、模型管理配置模块和推断与检测配置模块;
或者,所述第六任务所需的配置模块为所述数据集配置模块、模型管理配置模块、模型优选配置模块和推断与检测配置模块;
或者,所述第六任务所需的配置模块为所述数据集配置模块、数据标注配置模块、模型管理配置模块、模型优选配置模块和推断与检测配置模块;
或者,所述第六任务所需的配置模块为所述数据集配置模块、数据标注配置模块、模型管理配置模块、模型训练配置模块、模型优选配置模块和推断与检测配置模块;
在推断与检测界面显示多张待检测图片检测结果,完成所述第六任务。
15.如权利要求14所述的用于缺陷检测的任务管理方法,其特征在于:
若所述第六任务所需的配置模块为模型管理配置模块和推断与检测配置模块,则对所述模型管理配置模块和推断与检测配置模块进行配置,其中,从所述模型管理模型中确认预置目标模型,且所述预置目标模型的用途为推断,获取待检测数据集,利用预置目标模型完成推断与检测任务,并在推断与检测任务界面显示相关信息;
若所述第六任务所需的配置模块为数据集配置模块、模型管理配置模块和推断与检测配置模块,则对所述数据集配置模块、模型管理配置模块和推断与检测配置模块进行配置,其中,从所述数据集配置模块中确认目标数据集,且所述目标数据的用途为推断,从所述模型管理配置模块中确认预置目标模型,且所述预置目标模型的用途为推断;
若所述第六任务所需的配置模块为数据集配置模块、模型管理配置模块、模型优选配置模块和推断与检测配置模块,则对所述数据集配置模块、模型管理配置模块、模型优选配置模块和推断与检测配置模块进行配置,其中,从所述数据集配置模块中确认目标数据集,且所述目标数据的用途为验证和推断,从所述模型管理配置模块中确认预置目标模型,且所述预置目标模型的用途为模型优选和推断,以及所述预置目标模型包括多个模型;
若所述第六任务所需的配置模块为数据集配置模块、数据标注配置模块、模型管理配置模块、模型优选配置模块和推断与检测配置模块,则对所述数据集配置模块、数据标注配置模块、模型管理配置模块、模型优选配置模块和推断与检测配置模块进行配置,其中,从所述数据集配置模块中确认目标数据集,且所述目标数据的用途为标记、验证和推断,从所述模型管理配置模块中确认预置目标模型,以及所述预置目标模型的用途为模型优选和推断,且所述预置目标模型包括多个模型;
若所述第六任务所需的配置模块为数据集配置模块、数据标注配置模块、模型管理配置模块、模型训练配置模块、模型优选配置模块和推断与检测配置模块,则对所述数据集配置模块、数据标注配置模块、模型管理配置模块、模型训练配置模块、模型优选配置模块和推断与检测配置模块,其中,从所述数据集配置模块中确认目标数据集,且所述目标数据的用途为标记、训练、验证和推断,从所述模型管理配置模块中确认预置目标模型,且所述预置目标模型的用途为训练、模型优选和推断,以及所述预置目标模型包括多个模型。
16.如权利要求1所述的用于缺陷检测的任务管理方法,其特征在于,若所述任务为推断与检测任务,则在所述完成所述推断与检测任务之后,还包括:
获取各个待检测图片通过执行推断与检测任务之后的检测结果;
基于所述检测结果,确定所述各个待检测图片中有缺陷的图片和/或无缺陷的图片;
利用所述有缺陷的图片和/或所述无缺陷的图片更新所述数据集配置模块中的数据集。
17.如权利要求16所述的用于缺陷检测的任务管理方法,其特征在于,利用所述有缺陷的图片和/或所述无缺陷的图片更新所述数据集配置模块中的数据集之后,还包括:
当检测到更新后的所述数据集配置模块中的数据集满足预定条件,进行模型训练任务,以生成新的模型。
18.如权利要求1所述的用于缺陷检测的任务管理方法,其特征在于,对所述任务所需的配置模块进行配置之后,还包括:
将所述任务发送至任务执行端,以使所述任务执行端基于配置后的资源和参数在开始执行任务之后显示所述任务的任务界面。
19.一种用于缺陷检测的任务管理系统,其特征在于:包括任务管理端和任务执行端;
所述任务管理端创建任务,确定所述任务执行端的权限,并对所述任务所需的配置模块进行资源配置和参数配置,所述资源配置至少包括确认所述任务所需的目标资源;
所述任务执行端根据权限查看配置后的资源和参数,并在确认开始执行任务后显示与所述任务相关的任务界面;
其中,所述任务包括数据集管理任务、数据标注任务、模型训练任务、模型管理任务、模型优选任务、推断与检测任务至少一种;
其中,所述配置模块包括数据集配置模块、模型管理配置模块、数据标注配置模块、模型训练配置模块、模型优选配置模块和推断与检测配置模块中的至少一个。
20.一种用于缺陷检测的任务管理系统,其特征在于,所述系统包括:
数据集管理任务模块、数据标注任务模块、模型训练任务模块、模型管理任务模块、模型优选任务模块、推断与检测任务模块;
所述数据集管理任务模块对数据集进行管理,并为数据标注任务模块和/或模型训练任务模块和/或模型管理任务模块和/或模型优选任务模块和/或推断与检测任务模块提供目标数据集;
所述数据标注任务模块从数据集管理任务模块获得数据集进行标注,并为模型训练任务模块和/或模型管理任务模块和/或模型优选任务模块和/或推断与检测任务模块提供标注后的数据集;
所述模型训练任务模块用于利用数据集管理任务模块或者数据标注任务模块获得的数据集进行模型训练;
所述模型管理任务模块从模型训练任务模块或者外部导入获得模型;
所述模型优选任务模块从模型管理任务模块获得多个待比较模型,并从数据集管理任务模块中获得数据集,从而获得多个待比较模型的比较结果,获得最优模型;
所述推断与检测任务模块利用模型优选获得的最优模型进行缺陷检测。
21.如权利要求20所述的用于缺陷检测的任务管理系统,其特征在于,利用所述推断与检测任务模块的检测结果更新所述数据集管理任务模块中的数据集。
22.一种计算机设备,其特征在于,所述计算机设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序,其中所述计算机程序被所述处理器执行时,实现如权利要求1至18中任一项所述用于缺陷检测的任务管理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110778858.0A CN113254189B (zh) | 2021-07-09 | 2021-07-09 | 用于缺陷检测的任务管理方法、系统和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110778858.0A CN113254189B (zh) | 2021-07-09 | 2021-07-09 | 用于缺陷检测的任务管理方法、系统和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113254189A CN113254189A (zh) | 2021-08-13 |
CN113254189B true CN113254189B (zh) | 2021-12-14 |
Family
ID=77191088
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110778858.0A Active CN113254189B (zh) | 2021-07-09 | 2021-07-09 | 用于缺陷检测的任务管理方法、系统和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113254189B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114782445B (zh) * | 2022-06-22 | 2022-10-11 | 深圳思谋信息科技有限公司 | 对象缺陷检测方法、装置、计算机设备和存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111651270A (zh) * | 2020-05-19 | 2020-09-11 | 南京擎盾信息科技有限公司 | 对法律数据完成多任务语义标注的可视化方法和装置 |
CN112149139A (zh) * | 2019-06-28 | 2020-12-29 | 杭州海康威视数字技术股份有限公司 | 权限管理方法及装置 |
CN112488003A (zh) * | 2020-12-03 | 2021-03-12 | 深圳市捷顺科技实业股份有限公司 | 一种人脸检测方法、模型创建方法、装置、设备及介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190303182A1 (en) * | 2018-03-27 | 2019-10-03 | Sears Brands, L.L.C. | System and method for providing advice and assistance through task-tracking systems |
-
2021
- 2021-07-09 CN CN202110778858.0A patent/CN113254189B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112149139A (zh) * | 2019-06-28 | 2020-12-29 | 杭州海康威视数字技术股份有限公司 | 权限管理方法及装置 |
CN111651270A (zh) * | 2020-05-19 | 2020-09-11 | 南京擎盾信息科技有限公司 | 对法律数据完成多任务语义标注的可视化方法和装置 |
CN112488003A (zh) * | 2020-12-03 | 2021-03-12 | 深圳市捷顺科技实业股份有限公司 | 一种人脸检测方法、模型创建方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113254189A (zh) | 2021-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11093698B2 (en) | Method and apparatus and computer device for automatic semantic annotation for an image | |
US8930833B2 (en) | Method and apparatus to present an integrated process modeler | |
US7251787B2 (en) | Method and apparatus for an integrated process modeller | |
US9026984B2 (en) | Integrated design application system | |
CN111080170B (zh) | 一种工作流建模方法、装置、电子设备及存储介质 | |
US10296552B1 (en) | System and method for automated identification of internet advertising and creating rules for blocking of internet advertising | |
US20070244921A1 (en) | Method, apparatus and computer-readable medium to provide customized classification of documents in a file management system | |
US10902339B2 (en) | System and method providing automatic completion of task structures in a project plan | |
CN104090776A (zh) | 一种软件开发方法及系统 | |
CN113254189B (zh) | 用于缺陷检测的任务管理方法、系统和设备 | |
CN112331348A (zh) | 集标注、数据、项目管理和无编程化建模的分析方法和系统 | |
WO2004061815A1 (en) | A method and apparatus for an integrated process modeller | |
CN111061733A (zh) | 数据处理方法、装置、电子设备和计算机可读存储介质 | |
CN104951860A (zh) | 生产调度计划支持方法和生产调度计划支持设备 | |
CN112597023A (zh) | 基于导图的案例管理方法、装置、计算机设备及存储介质 | |
JP4835859B2 (ja) | 状態遷移図作成装置および状態遷移図作成方法 | |
CN111859862A (zh) | 文本的数据标注方法和装置、存储介质及电子装置 | |
CN116798053A (zh) | 图标生成方法及装置 | |
JP2010140330A (ja) | 業務管理支援装置及びプログラム | |
CN109510812B (zh) | 智能电子作业指导书看板管理系统及方法 | |
CN113807698A (zh) | 一种工单生成方法、装置、电子设备及可读存储介质 | |
CN113284141A (zh) | 用于缺陷检测的模型确定方法、装置和设备 | |
AU2020357183A1 (en) | Computer system and method for facilitating creation and management of an inspection and test plan for a construction project | |
KR101178968B1 (ko) | 연구개발 정보 관리 시스템 및 그 방법 | |
CN115273125A (zh) | 图纸的处理方法、装置、电子设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |