TWI755212B - 模型輸入尺寸確定方法及相關設備 - Google Patents
模型輸入尺寸確定方法及相關設備 Download PDFInfo
- Publication number
- TWI755212B TWI755212B TW109145518A TW109145518A TWI755212B TW I755212 B TWI755212 B TW I755212B TW 109145518 A TW109145518 A TW 109145518A TW 109145518 A TW109145518 A TW 109145518A TW I755212 B TWI755212 B TW I755212B
- Authority
- TW
- Taiwan
- Prior art keywords
- preset size
- size
- preset
- test
- test image
- Prior art date
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本申請涉及圖像檢測，提供一種模型輸入尺寸確定方法及相關設備。該方法能夠對測試圖像進行編碼，得到編碼向量並進行解碼，得到重構圖像，比較重構圖像與測試圖像，得到重構誤差，按照多個預設尺寸切分編碼向量，得到每個預設尺寸的多個子向量，將多個子向量輸入至高斯混合模型中，得到每個預設尺寸的多個子概率，確定每個預設尺寸的估測概率及測試誤差，根據每個測試誤差及每個誤差閾值確定檢測結果及準確度，根據準確度確定輸入尺寸。本申請透過確定出適合瑕疵檢測的模型輸入尺寸，從而提高瑕疵檢測的準確度。
Description
本申請涉及圖像檢測技術領域，尤其涉及一種模型輸入尺寸確定方法及相關設備。
為了提高工業產品的品質，在對工業產品進行打包前，通常會對工業產品進行一定的瑕疵檢測。在對產品進行整體檢測時，當產品中的瑕疵較為細微，會導致難以檢測到，從而降低對圖像進行瑕疵檢測的準確度。
鑒於以上內容，有必要提供一種模型輸入尺寸確定方法及相關設備，能夠檢測出細微瑕疵的存在，從而提高瑕疵檢測的準確度。
本申請的第一方面提供一種模型輸入尺寸確定方法，所述模型輸入尺寸確定方法包括：獲取測試圖像集，所述測試圖像集包括測試圖像及瑕疵結果；對所述測試圖像進行編碼處理，得到編碼向量；對所述編碼向量進行解碼處理，得到所述測試圖像的重構圖像，並比較所述重構圖像與所述測試圖像，得到所述測試圖像的重構誤差；按照多個預設尺寸切分所述編碼向量，得到每個預設尺寸對應的多個子向量；
將每個預設尺寸對應的多個子向量輸入至預先訓練好的高斯混合模型中，得到每個預設尺寸的多個子概率，並根據每個預設尺寸的多個子概率確定每個預設尺寸的估測概率；根據每個預設尺寸的估測概率及所述重構誤差確定每個預設尺寸的測試誤差，並根據每個預設尺寸的測試誤差及每個預設尺寸的誤差閾值確定每個預設尺寸下的測試圖像的檢測結果；根據每個預設尺寸的檢測結果及所述瑕疵結果確定每個預設尺寸的準確度，並根據每個預設尺寸的準確度從所述多個預設尺寸中選取輸入尺寸。
本申請的第二方面提供一種模型輸入尺寸確定裝置，所述模型輸入尺寸確定裝置包括：獲取單元，用於獲取測試圖像集，所述測試圖像集包括測試圖像及瑕疵結果；編碼單元，用於對所述測試圖像進行編碼處理，得到編碼向量；比較單元，用於對所述編碼向量進行解碼處理，得到所述測試圖像的重構圖像，並比較所述重構圖像與所述測試圖像，得到所述測試圖像的重構誤差；切分單元，用於按照多個預設尺寸切分所述編碼向量，得到每個預設尺寸對應的多個子向量；確定單元，用於將每個預設尺寸對應的多個子向量輸入至預先訓練好的高斯混合模型中，得到每個預設尺寸的多個子概率，並根據每個預設尺寸的多個子概率確定每個預設尺寸的估測概率；所述確定單元，還用於根據每個預設尺寸的估測概率及所述重構誤差確定每個預設尺寸的測試誤差，並根據每個預設尺寸的測試誤差及每個預設尺寸的誤差閾值確定每個預設尺寸下的測試圖像的檢測結果；
所述確定單元，還用於根據每個預設尺寸的檢測結果及所述瑕疵結果確定每個預設尺寸的準確度，並根據每個預設尺寸的準確度從所述多個預設尺寸中選取輸入尺寸。
本申請的第三方面提供一種電腦裝置，所述電腦裝置包括：儲存器，儲存至少一個指令；及處理器，獲取所述儲存器中儲存的指令以實現所述模型輸入尺寸確定方法。
本申請的第四方面提供一種電腦可讀儲存媒體，所述電腦可讀儲存媒體中儲存有至少一個指令，所述至少一個指令被電腦裝置中的處理器獲取以實現所述模型輸入尺寸確定方法。
由以上技術方案可以看出，本申請透過確定出適合瑕疵檢測的模型輸入尺寸，從而提高瑕疵檢測的準確度。
1:電腦裝置
12:儲存器
13:處理器
11:模型輸入尺寸確定裝置
110:獲取單元
111:編碼單元
112:比較單元
113:切分單元
114:確定單元
圖1是本申請模型輸入尺寸確定方法的較佳實施例的流程圖。
圖2是本申請模型輸入尺寸確定裝置的較佳實施例的功能模組圖。
圖3是本申請實現模型輸入尺寸確定方法的較佳實施例的電腦裝置的結構示意圖。
為了使本申請的目的、技術方案和優點更加清楚，下面結合附圖和具體實施例對本申請進行詳細描述。
如圖1所示，是本申請模型輸入尺寸確定方法的較佳實施例的流程圖。根據不同的需求，該流程圖中步驟的順序可以改變，某些步驟可以省略。
所述模型輸入尺寸確定方法應用於一個或者多個電腦裝置1中，所述電腦裝置1是一種能夠按照事先設定或儲存的指令，自動進行數值計算和/
或資訊處理的設備，其硬體包括但不限於微處理器、專用積體電路(Application Specific Integrated Circuit，ASIC)、可程式設計閘陣列(Field-Programmable Gate Array，FPGA)、數位訊號處理器(Digital Signal Processor，DSP)、嵌入式設備等。
所述電腦裝置1可以是任何一種可與用戶進行人機交互的電子產品，例如，個人電腦、平板電腦、智慧手機、個人數位助理(Personal Digital Assistant，PDA)、遊戲機、互動式網路電視(Internet Protocol Television，IPTV)、智慧式穿戴式設備等。
所述電腦裝置1還可以包括網路設備和/或使用者設備。其中，所述網路設備包括，但不限於單個網路服務器、多個網路服務器組成的伺服器組或基於雲計算(Cloud Computing)的由大量主機或網路服務器構成的雲。
所述電腦裝置1所處的網路包括但不限於網際網路、廣域網路、都會區網路、局域網、虛擬私人網路(Virtual Private Network，VPN)等。
步驟S10，獲取測試圖像集，所述測試圖像集包括測試圖像及瑕疵結果。
在本申請的至少一個實施例中，所述測試圖像集中包括多張測試圖像及每張測試圖像的瑕疵結果。其中，所述測試圖像中包括瑕疵檢測物件，所述瑕疵結果包括有瑕疵及無瑕疵。
在本申請的至少一個實施例中，所述電腦裝置可以從配置庫中獲取所述測試圖像集，其中，所述配置庫中儲存經過瑕疵檢測後的圖像。
步驟S11，對所述測試圖像進行編碼處理，得到編碼向量。
在本申請的至少一個實施例中，所述電腦裝置可以利用預先訓練好的編碼器對所述測試圖像進行編碼處理，得到所述編碼向量。
其中，所述電腦裝置訓練所述編碼器的過程屬於現有技術，本申請對此不再贅述。
在其他實施例中，所述電腦裝置可以利用自編碼器(autoencoder,AE)中的編碼器對所述測試圖像進行編碼處理，得到所述編碼向量。其中，所述自編碼器中的編碼器包含多個隱層，所述多個隱層的數量可以根據應用場景任意設置。
具體地，所述電腦裝置利用自編碼器中的編碼器對所述測試圖像進行編碼處理，得到所述編碼向量包括：對所述測試圖像進行向量化處理，得到所述測試圖像的特徵向量；提取所述自編碼器中編碼器的隱層；利用所述隱層對所述特徵向量進行運算，得到所述編碼向量。
具體地，所述電腦裝置利用所述隱層對所述特徵向量進行運算，得到所述編碼向量包括：獲取所述隱層的權重矩陣及偏置值；將所述特徵向量與所述權重矩陣進行相乘運算，得到運算結果；將所述運算結果與所述偏置值進行相加運算，得到所述編碼向量。
步驟S12，對所述編碼向量進行解碼處理，得到所述測試圖像的重構圖像，並比較所述重構圖像與所述測試圖像，得到所述測試圖像的重構誤差。
在本申請的至少一個實施例中，透過所述向量映射表將所述編碼向量轉化為所述重構圖像，因此，所述重構誤差是指將所述測試圖像轉化為所述編碼向量的誤差。
在本申請的至少一個實施例中，所述電腦裝置對所述編碼向量進行解碼處理，得到所述測試圖像的重構圖像包括：獲取向量映射表；根據所述向量映射表將所述編碼向量映射為多個重構圖元點；組合所述多個重構圖元點，得到所述重構圖像。
其中，所述向量映射表中儲存向量與圖元點的映射關係。
透過所述向量映射表，能夠準確生成所述重構圖像。
在本申請的至少一個實施例中，所述電腦裝置比較所述重構圖像與所述測試圖像，得到所述測試圖像的重構誤差包括：從所述測試圖像中提取與每個重構圖元點對應的測試圖元點；比較每個重構圖元點與對應的測試圖元點，並確定與對應的測試圖元點不同的重構圖元點的數量作為第一數量；計算所述多個重構圖元點的數量，得到第二數量；將所述第一數量除以所述第二數量，得到所述重構誤差。
透過確定所述重構誤差，能夠確定將所述測試圖像轉化為所述編碼向量的誤差，進而能夠確定在將所述編碼向量輸入至模型之前產生的誤差，從而能夠避免干擾到模型輸入尺寸的確定。
步驟S13，按照多個預設尺寸切分所述編碼向量，得到每個預設尺寸對應的多個子向量。
在本申請的至少一個實施例中，所述多個預設尺寸可以是維度為1*1*8的向量，也可以是維度為2*2*8的向量，所述多個預設尺寸的取值可以由用戶設置。
在本申請的至少一個實施例中，所述電腦裝置按照多個預設尺寸切分所述編碼向量，得到每個預設尺寸對應的多個子向量包括：按照每個預設尺寸對所述編碼向量進行順序切分，得到每個預設尺寸對應的多個子向量。
例如：編碼向量：維度為3*3*3的向量，預設尺寸為1*1*3，按照1*1*3對維度為3*3*3的向量進行順序切分，得到9個維度為1*1*3的子向量。
步驟S14，將每個預設尺寸對應的多個子向量輸入至預先訓練好的高斯混合模型(Gaussian Mixture Model，GMM)中，得到每個預設尺寸的多個子概率，並根據每個預設尺寸的多個子概率確定每個預設尺寸的估測概率。
在本申請的至少一個實施例中，所述高斯混合模型中包括多個單高斯模型。
在本申請的至少一個實施例中，所述電腦裝置將每個預設尺寸對應的多個子向量輸入至預先訓練好的高斯混合模型中，得到每個預設尺寸的多個子概率，並根據每個預設尺寸的多個子概率確定每個預設尺寸的估測概率包括：獲取所述高斯混合模型中的特徵分佈及混合係數；根據所述特徵分佈確定平均值及協方差；根據每個預設尺寸對應的多個子向量、所述混合係數、所述平均值及所述協方差確定每個預設尺寸的多個子概率；對每個預設尺寸的多個子概率進行乘積運算，得到每個預設尺寸的估測概率。
透過融合多個子向量的概率能夠確定出具有多個子向量特徵的估測概率。
步驟S15，根據每個預設尺寸的估測概率及所述重構誤差確定每個預設尺寸的測試誤差，並根據每個預設尺寸的測試誤差及每個預設尺寸的誤差閾值確定每個預設尺寸下的測試圖像的檢測結果。
在本申請的至少一個實施例中，所述檢測結果包括所述測試圖像具有瑕疵、所述測試圖像不具有瑕疵兩種結果。
在本申請的至少一個實施例中，所述誤差閾值是所述電腦裝置根據多張正樣本圖像確定的。
在本申請的至少一個實施例中，所述電腦裝置根據每個預設尺寸的估測概率及所述重構誤差確定每個預設尺寸的測試誤差包括：計算每個估測概率的對數值；將每個對數值的相反數與所述重構誤差進行加權和運算，得到每個預設尺寸的測試誤差。
例如：估測概率為0.001，重構誤差為0.03，計算估測概率的對數值為：log(0.001)=-3，計算對數值的相反數，得到值為3，計算3及0.03的加權
和，當估測概率佔測試誤差的比例為10%，重構誤差佔測試誤差的比例為90%，計算得到所述測試誤差為：3*10%+0.03*90%=0.327。
在本申請的至少一個實施例中，所述電腦裝置根據每個預設尺寸的測試誤差及每個預設尺寸的誤差閾值確定每個預設尺寸下的測試圖像的檢測結果包括：當給定預設尺寸的測試誤差小於對應的誤差閾值時，將所述給定預設尺寸下的測試圖像的檢測結果確定為所述待檢測圖像無瑕疵；或者當所述給定預設尺寸的測試誤差大於或者等於對應的誤差閾值時，將所述給定預設尺寸下的測試圖像的檢測結果確定為所述待檢測圖像有瑕疵。
透過所述測試誤差與所述誤差閾值進行比較，由於是從數值上對所述測試誤差與所述誤差閾值進行比較，因此，能夠檢測出所述待檢測圖像中是否具有瑕疵。
步驟S16，根據每個預設尺寸的檢測結果及所述瑕疵結果確定每個預設尺寸的準確度，並根據每個預設尺寸的準確度從所述多個預設尺寸中選取輸入尺寸。
在本申請的至少一個實施例中，所述輸入尺寸是指輸入至所述高斯混合模型中進行概率確定的向量。
在本申請的至少一個實施例中，所述電腦裝置根據每個預設尺寸的檢測結果及所述瑕疵結果確定每個預設尺寸的準確度，並根據每個預設尺寸的準確度從所述多個預設尺寸中選取輸入尺寸包括：對於每個預設尺寸，將與所述瑕疵結果相同的檢測結果確定為目標結果；計算所述目標結果的目標數量，並計算所述檢測結果的總數量；將所述目標數量除以所述總數量，得到每個預設尺寸的準確度；將取值最大的準確度確定為目標準確度，並將與所述目標準確度對應的預設尺寸確定為所述輸入尺寸。
例如：預設尺寸X為1*1*8、預設尺寸Y為2*2*8、預設尺寸Z為4*4*8，所述預設尺寸X中與瑕疵結果相同的檢測結果(即：目標結果)有3個，所述預設尺寸Y中的目標結果有6個，所述預設尺寸Z中的目標結果有10個，檢測結果的總數量為12個，經計算，所述預設尺寸X的準確度為25%，所述預設尺寸Y的準確度為50%，所述預設尺寸Z的準確度為83.3%，83.3%的取值最大，將83.3%確定為目標準確度，並將與83.3%對應的預設尺寸Z確定為輸入尺寸。
透過將準確度最高的預設尺寸確定為所述輸入尺寸，有利於提高瑕疵檢測的準確度。
由以上技術方案可以看出，本申請透過確定出適合瑕疵檢測的模型輸入尺寸，從而提高瑕疵檢測的準確度。
如圖2所示，是本申請模型輸入尺寸確定裝置的較佳實施例的功能模組圖。所述模型輸入尺寸確定裝置11包括獲取單元110、編碼單元111、比較單元112、切分單元113及確定單元114。本申請所稱的模組/單元是指一種能夠被處理器13所獲取，並且能夠完成固定功能的一系列電腦程式段，其儲存在儲存器12中。在本實施例中，關於各模組/單元的功能將在後續的實施例中詳述。
獲取單元110獲取測試圖像集，所述測試圖像集包括測試圖像及瑕疵結果。
在本申請的至少一個實施例中，所述測試圖像集中包括多張測試圖像及每張測試圖像的瑕疵結果。其中，所述測試圖像中包括瑕疵檢測物件，所述瑕疵結果包括有瑕疵及無瑕疵。
在本申請的至少一個實施例中，所述獲取單元110可以從配置庫中獲取所述測試圖像集，其中，所述配置庫中儲存經過瑕疵檢測後的圖像。
編碼單元111對所述測試圖像進行編碼處理，得到編碼向量。
在本申請的至少一個實施例中，所述編碼單元111可以利用預先訓練好的編碼器對所述測試圖像進行編碼處理，得到所述編碼向量。
其中，所述編碼單元111訓練所述編碼器的過程屬於現有技術，本申請對此不再贅述。
在其他實施例中，所述編碼單元111可以利用自編碼器(autoencoder,AE)中的編碼器對所述測試圖像進行編碼處理，得到所述編碼向量。其中，所述自編碼器中的編碼器包含多個隱層，所述多個隱層的數量可以根據應用場景任意設置。
具體地，所述編碼單元111利用自編碼器中的編碼器對所述測試圖像進行編碼處理，得到所述編碼向量包括：對所述測試圖像進行向量化處理，得到所述測試圖像的特徵向量；提取所述自編碼器中編碼器的隱層；利用所述隱層對所述特徵向量進行運算，得到所述編碼向量。
具體地，所述編碼單元111利用所述隱層對所述特徵向量進行運算，得到所述編碼向量包括：獲取所述隱層的權重矩陣及偏置值；將所述特徵向量與所述權重矩陣進行相乘運算，得到運算結果；將所述運算結果與所述偏置值進行相加運算，得到所述編碼向量。
比較單元112對所述編碼向量進行解碼處理，得到所述測試圖像的重構圖像，並比較所述重構圖像與所述測試圖像，得到所述測試圖像的重構誤差。
在本申請的至少一個實施例中，所述比較單元112對所述編碼向量進行解碼處理，得到所述測試圖像的重構圖像包括：獲取向量映射表；根據所述向量映射表將所述編碼向量映射為多個重構圖元點；組合所述多個重構圖元點，得到所述重構圖像。
其中，所述向量映射表中儲存向量與圖元點的映射關係。
透過所述向量映射表，能夠準確生成所述重構圖像。
在本申請的至少一個實施例中，透過所述向量映射表將所述編碼向量轉化為所述重構圖像，因此，所述重構誤差是指將所述測試圖像轉化為所述編碼向量的誤差。
在本申請的至少一個實施例中，所述比較單元112比較所述重構圖像與所述測試圖像，得到所述測試圖像的重構誤差包括：從所述測試圖像中提取與每個重構圖元點對應的測試圖元點；比較每個重構圖元點與對應的測試圖元點，並確定與對應的測試圖元點不同的重構圖元點的數量作為第一數量；計算所述多個重構圖元點的數量，得到第二數量；將所述第一數量除以所述第二數量，得到所述重構誤差。
透過確定所述重構誤差，能夠確定將所述測試圖像轉化為所述編碼向量的誤差，進而能夠確定在將所述編碼向量輸入至模型之前產生的誤差，從而能夠避免干擾到模型輸入尺寸的確定。
切分單元113按照多個預設尺寸切分所述編碼向量，得到每個預設尺寸對應的多個子向量。
在本申請的至少一個實施例中，所述多個預設尺寸可以是維度為1*1*8的向量，也可以是維度為2*2*8的向量，所述多個預設尺寸的取值可以由用戶設置。
在本申請的至少一個實施例中，所述切分單元113按照多個預設尺寸切分所述編碼向量，得到每個預設尺寸對應的多個子向量包括：按照每個預設尺寸對所述編碼向量進行順序切分，得到每個預設尺寸對應的多個子向量。
例如：編碼向量：維度為3*3*3的向量，預設尺寸為1*1*3，按照1*1*3對維度為3*3*3的向量進行順序切分，得到9個維度為1*1*3的子向量。
確定單元114將每個預設尺寸對應的多個子向量輸入至預先訓練好的高斯混合模型(Gaussian Mixture Model，GMM)中，得到每個預設尺寸的多個子概率，並根據每個預設尺寸的多個子概率確定每個預設尺寸的估測概率。
在本申請的至少一個實施例中，所述高斯混合模型中包括多個單高斯模型。
在本申請的至少一個實施例中，所述確定單元114將每個預設尺寸對應的多個子向量輸入至預先訓練好的高斯混合模型中，得到每個預設尺寸的多個子概率，並根據每個預設尺寸的多個子概率確定每個預設尺寸的估測概率包括：獲取所述高斯混合模型中的特徵分佈及混合係數；根據所述特徵分佈確定平均值及協方差；根據每個預設尺寸對應的多個子向量、所述混合係數、所述平均值及所述協方差確定每個預設尺寸的多個子概率；對每個預設尺寸的多個子概率進行乘積運算，得到每個預設尺寸的估測概率。
透過融合多個子向量的概率能夠確定出具有多個子向量特徵的估測概率。
所述確定單元114根據每個預設尺寸的估測概率及所述重構誤差確定每個預設尺寸的測試誤差，並根據每個預設尺寸的測試誤差及每個預設尺寸的誤差閾值確定每個預設尺寸下的測試圖像的檢測結果。
在本申請的至少一個實施例中，所述檢測結果包括所述測試圖像具有瑕疵、所述測試圖像不具有瑕疵兩種結果。
在本申請的至少一個實施例中，所述誤差閾值是所述確定單元114根據多張正樣本圖像確定的。
在本申請的至少一個實施例中，所述確定單元114根據每個預設尺寸的估測概率及所述重構誤差確定每個預設尺寸的測試誤差包括：計算每個估測概率的對數值；將每個對數值的相反數與所述重構誤差進行加權和運算，得到每個預設尺寸的測試誤差。
例如：估測概率為0.001，重構誤差為0.03，計算估測概率的對數值為：log(0.001)=-3，計算對數值的相反數，得到值為3，計算3及0.03的加權和，當估測概率佔測試誤差的比例為10%，重構誤差佔測試誤差的比例為90%，計算得到所述測試誤差為：3*10%+0.03*90%=0.327。
在本申請的至少一個實施例中，所述確定單元114根據每個預設尺寸的測試誤差及每個預設尺寸的誤差閾值確定每個預設尺寸下的測試圖像的檢測結果包括：當給定預設尺寸的測試誤差小於對應的誤差閾值時，將所述給定預設尺寸下的測試圖像的檢測結果確定為所述待檢測圖像無瑕疵；或者當所述給定預設尺寸的測試誤差大於或者等於對應的誤差閾值時，將所述給定預設尺寸下的測試圖像的檢測結果確定為所述待檢測圖像有瑕疵。
透過所述測試誤差與所述誤差閾值進行比較，由於是從數值上對所述測試誤差與所述誤差閾值進行比較，因此，能夠檢測出所述待檢測圖像中是否具有瑕疵。
所述確定單元114根據每個預設尺寸的檢測結果及所述瑕疵結果確定每個預設尺寸的準確度，並根據每個預設尺寸的準確度從所述多個預設尺寸中選取輸入尺寸。
在本申請的至少一個實施例中，所述輸入尺寸是指輸入至所述高斯混合模型中進行概率確定的向量。
在本申請的至少一個實施例中，所述確定單元114根據每個預設尺寸的檢測結果及所述瑕疵結果確定每個預設尺寸的準確度，並根據每個預設尺寸的準確度從所述多個預設尺寸中選取輸入尺寸包括：對於每個預設尺寸，將與所述瑕疵結果相同的檢測結果確定為目標結果；計算所述目標結果的目標數量，並計算所述檢測結果的總數量；將所述目標數量除以所述總數量，得到每個預設尺寸的準確度；將取值最大的準確度確定為目標準確度，並將與所述目標準確度對應的預設尺寸確定為所述輸入尺寸。
例如：預設尺寸X為1*1*8、預設尺寸Y為2*2*8、預設尺寸Z為4*4*8，所述預設尺寸X中與瑕疵結果相同的檢測結果(即：目標結果)有3個，所述預設尺寸Y中的目標結果有6個，所述預設尺寸Z中的目標結果有10個，檢測結果的總數量為12個，經計算，所述預設尺寸X的準確度為25%，所述預設尺寸Y的準確度為50%，所述預設尺寸Z的準確度為83.3%，83.3%的取值最大，將83.3%確定為目標準確度，並將與83.3%對應的預設尺寸Z確定為輸入尺寸。
透過將準確度最高的預設尺寸確定為所述輸入尺寸，有利於提高瑕疵檢測的準確度。
由以上技術方案可以看出，本申請透過確定出適合瑕疵檢測的模型輸入尺寸，從而提高瑕疵檢測的準確度。
如圖3所示，是本申請實現模型輸入尺寸確定方法的較佳實施例的電腦裝置的結構示意圖。
在本申請的一個實施例中，所述電腦裝置1包括，但不限於，儲存器12、處理器13，以及儲存在所述儲存器12中並可在所述處理器13上運行的電腦程式，例如模型輸入尺寸確定程式。
本領域技術人員可以理解，所述示意圖僅僅是電腦裝置1的示例，並不構成對電腦裝置1的限定，可以包括比圖示更多或更少的部件，或者組合某些部件，或者不同的部件，例如所述電腦裝置1還可以包括輸入輸出設備、網路接入設備、匯流排等。
所述處理器13可以是中央處理單元(Central Processing Unit，CPU)，還可以是其他通用處理器、數位訊號處理器(Digital Signal Processor，DSP)、專用積體電路(Application Specific Integrated Circuit，ASIC)、現場可程式設計閘陣列(Field-Programmable Gate Array，FPGA)或者其他可程式設計邏輯器件、分立門或者電晶體邏輯器件、分立硬體元件等。通用處理器可以是微處理器或者該處理器也可以是任何常規的處理器等，所述處理器13是所述電腦裝置1的運算核心和控制中心，利用各種介面和線路連接整個電腦裝置1的各個部分，及獲取所述電腦裝置1的作業系統以及安裝的各類應用程式、程式碼等。
所述處理器13獲取所述電腦裝置1的作業系統以及安裝的各類應用程式。所述處理器13獲取所述應用程式以實現上述各個模型輸入尺寸確定方法實施例中的步驟，例如圖1所示的步驟。
或者，所述處理器13執行所述電腦程式時實現上述各裝置實施例中各模組/單元的功能，例如：獲取測試圖像集，所述測試圖像集包括測試圖像及瑕疵結果；對所述測試圖像進行編碼處理，得到編碼向量，並對所述編碼向量進行解碼處理，得到所述測試圖像的重構圖像；比較所述重構圖像與所述測試圖像，得到所述測試圖像的重構誤差；按照多個預設尺寸切分所述編碼向量，得到每個預設尺寸對應的多個子向量；
將每個預設尺寸對應的多個子向量輸入至預先訓練好的高斯混合模型中，得到每個預設尺寸的多個子概率，並根據每個預設尺寸的多個子概率確定每個預設尺寸的估測概率；根據每個預設尺寸的估測概率及所述重構誤差確定每個預設尺寸的測試誤差，並根據每個預設尺寸的測試誤差及每個預設尺寸的誤差閾值確定每個預設尺寸下的測試圖像的檢測結果；根據每個預設尺寸的檢測結果及所述瑕疵結果確定每個預設尺寸的準確度，並根據所述準確度從所述多個預設尺寸中選取輸入尺寸。
示例性的，所述電腦程式可以被分割成一個或多個模組/單元，所述一個或者多個模組/單元被儲存在所述儲存器12中，並由所述處理器13獲取，以完成本申請。所述一個或多個模組/單元可以是能夠完成特定功能的一系列電腦程式指令段，該指令段用於描述所述電腦程式在所述電腦裝置1中的獲取過程。例如，所述電腦程式可以被分割成獲取單元110、編碼單元111、比較單元112、切分單元113及確定單元114。
所述儲存器12可用於儲存所述電腦程式和/或模組，所述處理器13透過運行或獲取儲存在所述儲存器12內的電腦程式和/或模組，以及調用儲存在儲存器12內的資料，實現所述電腦裝置1的各種功能。所述儲存器12可主要包括儲存程式區和儲存資料區，其中，儲存程式區可儲存作業系統、至少一個功能所需的應用程式(比如聲音播放功能、圖像播放功能等)等；儲存資料區可儲存根據電腦裝置的使用所創建的資料等。此外，儲存器12可以包括非易失性儲存器，例如硬碟、儲存器、插接式硬碟，智慧儲存卡(Smart Media Card,SMC)，安全數位(Secure Digital,SD)卡，快閃儲存器卡(Flash Card)、至少一個磁碟儲存器件、快閃儲存器器件、或其他非易失性固態儲存器件。
所述儲存器12可以是電腦裝置1的外部儲存器和/或內部儲存器。進一步地，所述儲存器12可以是具有實物形式的儲存器，如儲存器條、TF卡(Trans-flash Card)等等。
所述電腦裝置1集成的模組/單元如果以軟體功能單元的形式實現並作為獨立的產品銷售或使用時，可以儲存在一個電腦可讀取儲存媒體中。基於這樣的理解，本申請實現上述實施例方法中的全部或部分流程，也可以透過電腦程式來指令相關的硬體來完成，所述的電腦程式可儲存於一電腦可讀儲存媒體中，該電腦程式在被處理器獲取時，可實現上述各個方法實施例的步驟。
其中，所述電腦程式包括電腦程式代碼，所述電腦程式代碼可以為原始程式碼形式、物件代碼形式、可獲取檔或某些中間形式等。所述電腦可讀媒體可以包括：能夠攜帶所述電腦程式代碼的任何實體或裝置、記錄媒體、隨身碟、移動硬碟、磁碟、光碟、電腦儲存器、唯讀儲存器(ROM，Read-Only Memory)。
結合圖1，所述電腦裝置1中的所述儲存器12儲存多個指令以實現一種模型輸入尺寸確定方法，所述處理器13可獲取所述多個指令從而實現：獲取測試圖像集，所述測試圖像集包括測試圖像及瑕疵結果；對所述測試圖像進行編碼處理，得到編碼向量，並對所述編碼向量進行解碼處理，得到所述測試圖像的重構圖像；比較所述重構圖像與所述測試圖像，得到所述測試圖像的重構誤差；按照多個預設尺寸切分所述編碼向量，得到每個預設尺寸對應的多個子向量；將每個預設尺寸對應的多個子向量輸入至預先訓練好的高斯混合模型中，得到每個預設尺寸的多個子概率，並根據每個預設尺寸的多個子概率確定每個預設尺寸的估測概率；根據每個預設尺寸的估測概率及所述重構誤差確定每個預設尺寸的測試誤差，並根據每個預設尺寸的測試誤差及每個預設尺寸的誤差閾值確定每個預設尺寸下的測試圖像的檢測結果；
根據每個預設尺寸的檢測結果及所述瑕疵結果確定每個預設尺寸的準確度，並根據所述準確度從所述多個預設尺寸中選取輸入尺寸。
具體地，所述處理器13對上述指令的具體實現方法可參考圖1對應實施例中相關步驟的描述，在此不贅述。
在本申請所提供的幾個實施例中，應該理解到，所揭露的系統，裝置和方法，可以透過其它的方式實現。例如，以上所描述的裝置實施例僅僅是示意性的，例如，所述模組的劃分，僅僅為一種邏輯功能劃分，實際實現時可以有另外的劃分方式。
所述作為分離部件說明的模組可以是或者也可以不是物理上分開的，作為模組顯示的部件可以是或者也可以不是物理單元，即可以位於一個地方，或者也可以分佈到多個網路單元上。可以根據實際的需要選擇其中的部分或者全部模組來實現本實施例方案的目的。
另外，在本申請各個實施例中的各功能模組可以集成在一個處理單元中，也可以是各個單元單獨物理存在，也可以兩個或兩個以上單元集成在一個單元中。上述集成的單元既可以採用硬體的形式實現，也可以採用硬體加軟體功能模組的形式實現。
因此，無論從哪一點來看，均應將實施例看作是示範性的，而且是非限制性的，本申請的範圍由所附請求項而不是上述說明限定，因此旨在將落在請求項的等同要件的含義和範圍內的所有變化涵括在本申請內。不應將請求項中的任何附關聯圖標記視為限制所涉及的請求項。
此外，顯然“包括”一詞不排除其他單元或步驟，單數不排除複數。本申請中陳述的多個單元或裝置也可以由一個單元或裝置透過軟體或者硬體來實現。第一、第二等詞語用來表示名稱，而並不表示任何特定的順序。
最後應說明的是，以上實施例僅用以說明本申請的技術方案而非限制，儘管參照較佳實施例對本申請進行了詳細說明，本領域的普通技術人員
應當理解，可以對本申請的技術方案進行修改或等同替換，而不脫離本申請技術方案的精神和範圍。
Claims (10)
- 一種模型輸入尺寸確定方法，應用於電腦裝置，其中，所述模型輸入尺寸確定方法包括：獲取測試圖像集，所述測試圖像集包括測試圖像及瑕疵結果；對所述測試圖像進行編碼處理，得到編碼向量；對所述編碼向量進行解碼處理，得到所述測試圖像的重構圖像，並比較所述重構圖像與所述測試圖像，得到所述測試圖像的重構誤差；按照多個預設尺寸切分所述編碼向量，得到每個預設尺寸對應的多個子向量；將每個預設尺寸對應的多個子向量輸入至預先訓練好的高斯混合模型中，得到每個預設尺寸的多個子概率，並根據每個預設尺寸的多個子概率確定每個預設尺寸的估測概率；根據每個預設尺寸的估測概率及所述重構誤差確定每個預設尺寸的測試誤差，並根據每個預設尺寸的測試誤差及每個預設尺寸的誤差閾值確定每個預設尺寸下的測試圖像的檢測結果；根據每個預設尺寸的檢測結果及所述瑕疵結果確定每個預設尺寸的準確度，並根據每個預設尺寸的準確度從所述多個預設尺寸中選取輸入尺寸。
- 如請求項1所述的模型輸入尺寸確定方法，其中，所述對所述編碼向量進行解碼處理，得到所述測試圖像的重構圖像包括：獲取向量映射表；根據所述向量映射表將所述編碼向量映射為多個重構圖元點；組合所述多個重構圖元點，得到所述重構圖像。
- 如請求項2所述的模型輸入尺寸確定方法，其中，所述比較所述重構圖像與所述測試圖像，得到所述測試圖像的重構誤差包括：從所述測試圖像中提取與每個重構圖元點對應的測試圖元點； 比較每個重構圖元點與對應的測試圖元點，並確定與對應的測試圖元點不同的重構圖元點的數量作為第一數量；計算所述多個重構圖元點的數量，得到第二數量；將所述第一數量除以所述第二數量，得到所述重構誤差。
- 如請求項1所述的模型輸入尺寸確定方法，其中，所述按照多個預設尺寸切分所述編碼向量，得到每個預設尺寸對應的多個子向量包括：按照每個預設尺寸對所述編碼向量進行順序切分，得到每個預設尺寸對應的多個子向量。
- 如請求項1所述的模型輸入尺寸確定方法，其中，所述將每個預設尺寸對應的多個子向量輸入至預先訓練好的高斯混合模型中，得到每個預設尺寸的多個子概率，並根據每個預設尺寸的多個子概率確定每個預設尺寸的估測概率包括：獲取所述高斯混合模型中的特徵分佈及混合係數；根據所述特徵分佈確定平均值及協方差；根據每個預設尺寸對應的多個子向量、所述混合係數、所述平均值及所述協方差確定每個預設尺寸的多個子概率；對每個預設尺寸的多個子概率進行乘積運算，得到每個預設尺寸的估測概率。
- 如請求項1所述的模型輸入尺寸確定方法，其中，所述根據每個預設尺寸的估測概率及所述重構誤差確定每個預設尺寸的測試誤差包括：計算每個估測概率的對數值；將每個對數值的相反數與所述重構誤差進行加權和運算，得到每個預設尺寸的測試誤差。
- 如請求項1所述的模型輸入尺寸確定方法，其中，所述根據每個預設尺寸的檢測結果及所述瑕疵結果確定每個預設尺寸的準確度，並根據每個預設尺寸的準確度從所述多個預設尺寸中選取輸入尺寸包括： 對於每個預設尺寸，將與所述瑕疵結果相同的檢測結果確定為目標結果；計算所述目標結果的目標數量，並計算所述檢測結果的總數量；將所述目標數量除以所述總數量，得到每個預設尺寸的準確度；將取值最大的準確度確定為目標準確度，並將與所述目標準確度對應的預設尺寸確定為所述輸入尺寸。
- 一種模型輸入尺寸確定裝置，運行於電腦裝置，其中，所述模型輸入尺寸確定裝置包括：獲取單元，用於獲取測試圖像集，所述測試圖像集包括測試圖像及瑕疵結果；編碼單元，用於對所述測試圖像進行編碼處理，得到編碼向量；比較單元，用於對所述編碼向量進行解碼處理，得到所述測試圖像的重構圖像，並比較所述重構圖像與所述測試圖像，得到所述測試圖像的重構誤差；切分單元，用於按照多個預設尺寸切分所述編碼向量，得到每個預設尺寸對應的多個子向量；確定單元，用於將每個預設尺寸對應的多個子向量輸入至預先訓練好的高斯混合模型中，得到每個預設尺寸的多個子概率，並根據每個預設尺寸的多個子概率確定每個預設尺寸的估測概率；所述確定單元，還用於根據每個預設尺寸的估測概率及所述重構誤差確定每個預設尺寸的測試誤差，並根據每個預設尺寸的測試誤差及每個預設尺寸的誤差閾值確定每個預設尺寸下的測試圖像的檢測結果；所述確定單元，還用於根據每個預設尺寸的檢測結果及所述瑕疵結果確定每個預設尺寸的準確度，並根據每個預設尺寸的準確度從所述多個預設尺寸中選取輸入尺寸。
- 一種電腦裝置，其中，所述電腦裝置包括：儲存器，儲存至少一個指令；及 處理器，獲取所述儲存器中儲存的指令以實現如請求項1至7中任意一項所述的模型輸入尺寸確定方法。
- 一種電腦可讀儲存媒體，其中：所述電腦可讀儲存媒體中儲存有至少一個指令，所述至少一個指令被電腦裝置中的處理器獲取以實現如請求項1至7中任意一項所述的模型輸入尺寸確定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW109145518A TWI755212B (zh) | 2020-12-22 | 2020-12-22 | 模型輸入尺寸確定方法及相關設備 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW109145518A TWI755212B (zh) | 2020-12-22 | 2020-12-22 | 模型輸入尺寸確定方法及相關設備 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TWI755212B true TWI755212B (zh) | 2022-02-11 |
| TW202226149A TW202226149A (zh) | 2022-07-01 |
Family
ID=81329505
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW109145518A TWI755212B (zh) | 2020-12-22 | 2020-12-22 | 模型輸入尺寸確定方法及相關設備 |
Country Status (1)
| Country | Link |
|---|---|
| TW (1) | TWI755212B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109147010A (zh) * | 2018-08-22 | 2019-01-04 | 广东工业大学 | 带属性人脸图像生成方法、装置、系统及可读存储介质 |
| CN111968044A (zh) * | 2020-07-16 | 2020-11-20 | 中国科学院沈阳自动化研究所 | 基于Retinex和深度学习的低照度图像增强方法 |
-
2020
- 2020-12-22 TW TW109145518A patent/TWI755212B/zh active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109147010A (zh) * | 2018-08-22 | 2019-01-04 | 广东工业大学 | 带属性人脸图像生成方法、装置、系统及可读存储介质 |
| CN111968044A (zh) * | 2020-07-16 | 2020-11-20 | 中国科学院沈阳自动化研究所 | 基于Retinex和深度学习的低照度图像增强方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| TW202226149A (zh) | 2022-07-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114764765A (zh) | 图像瑕疵检测方法、装置、电子设备及存储介质 | |
| CN111598825A (zh) | 数据处理方法、瑕疵的检测方法、计算设备及存储介质 | |
| CN116433559A (zh) | 产品外观缺陷检测方法、电子设备及存储介质 | |
| US20230214989A1 (en) | Defect detection method, electronic device and readable storage medium | |
| TWI803243B (zh) | 圖像擴增方法、電腦設備及儲存介質 | |
| CN117274133A (zh) | 瑕疵侦测方法、电子设备及存储介质 | |
| TWI762193B (zh) | 圖像瑕疵檢測方法、裝置、電子設備及存儲介質 | |
| US12002197B2 (en) | Error reduction in reconstructed images in defect detection method, electronic device and storage medium | |
| TWI755212B (zh) | 模型輸入尺寸確定方法及相關設備 | |
| US12118704B2 (en) | Model input size determination method, electronic device and storage medium | |
| WO2023071566A1 (zh) | 数据处理方法、装置、计算机设备、计算机可读存储介质及计算机程序产品 | |
| TWI755213B (zh) | 瑕疵檢測方法、裝置、電腦裝置及儲存介質 | |
| CN116977247A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| TW202232380A (zh) | 圖像瑕疵檢測方法、電子設備及存儲介質 | |
| CN117274132A (zh) | 多尺度自编码器生成方法、电子设备及存储介质 | |
| TWI769633B (zh) | 圖像瑕疵檢測方法、裝置、電腦裝置及介質 | |
| TWI778519B (zh) | 瑕疵圖像生成方法、裝置、電子設備及存儲介質 | |
| TWI792134B (zh) | 圖像瑕疵檢測方法、裝置、電子設備及存儲介質 | |
| TWI844873B (zh) | 產品瑕疵檢測方法、電子設備及電腦可讀存儲媒體 | |
| TW202401375A (zh) | 瑕疵檢測方法、電子設備及電腦可讀存儲媒體 | |
| TWI765475B (zh) | 圖像瑕疵檢測方法、裝置、電腦裝置及介質 | |
| TWI840833B (zh) | 多尺度自編碼器生成方法、電腦設備及儲存介質 | |
| TWI810945B (zh) | 瑕疵檢測方法、電腦設備及儲存介質 | |
| US12112524B2 (en) | Image augmentation method, electronic device and readable storage medium | |
| CN117494248B (zh) | 坐标数据处理方法、装置、计算机设备、存储介质 |