CN119494965A 图像缺陷检测方法、装置、计算机设备和存储介质 （中国石油化工股份有限公司）

司粗分割网络进行训练，得到训练后的粗分割网的缺陷检测方法有效改善分割网络在小样本数2获取分割数据集和分类数据集，其中，所述分割数据集为对将所述分类数据集与所述伪分割标签一一拼接，得到拼接数据集，将所将所述缺陷定位图与强分割网络的编码器从所述分割数据集提取到的图像特征进行将所述分割数据集输入至所述训练后的分类网络进行处理，通过分述分类数据集的图像数量大于所述分割数据伪分割标签生成模块，用于利用所述分割数据集作分类网络训练模块，用于将所述分类数据集与所述伪3缺陷定位图获得模块，用于利用所述训练后的分类网络对所述分割数据集进行处理，融合图像获得模块，用于将所述缺陷定位图与强分割网络的编码缺陷分割结果获得模块，用于利用所述强分割网络的解码器对所述融合图像进行解9.一种计算机设备，包括存储器和处理器，所述存储器存被处理器执行时实现权利要求1至6中任一项所述的4[0004]在实际图像缺陷检测技术的应用中，图像分割网络的训练过程需要大量图像数[0008]利用所述分割数据集作为样本对粗分割网络进行训练，得到训练后的粗分割网[0012]将所述缺陷定位图与强分割网络的编码器从所述分割数据集提取到的图像特征5[0016]在其中一个实施例中，所述将所述训练后的分类网络对所述分割数据集进行处图像的像素标注了预设缺陷的图像集，所述分类数据集为标注了预设缺陷的类型的图像[0025]伪分割标签生成模块，用于利用所述分割数据集作为样本对粗分割网络进行训[0033]利用所述分割数据集作为样本对粗分割网络进行训练，得到训练后的粗分割网6[0038]利用所述分割数据集作为样本对粗分割网络进行训练，得到训练后的粗分割网[0046]图5为一个实施例中的经过图像缺陷检测方法检测得到的损伤预测结果的过程示7数据集为对图像的缺陷进行标注得到，该分类数据集中对图像的标注为对图像的整体标8B)[0075]对于分割数据集In中的每个分割数据图像Xn，将其馈送到利用[0076]在一个实施例中，所述利用所述训练后的分类网络对所[0079]本实施例中，为了将得到的损伤定位图Mn中损伤位置的细化先验信息合并到分用上下文编码器网络。最后将融合后的特征图馈送至解码器以生成更精确的损伤分割结9Xm及其对应的伪分割标签Pm被拼接后作为输入到分类网络，其中分类网络采用流行的SE_[0100]本实施例中对于分割数据集In中的每个分割数据图像X[0101]Mm=Fcan(Fes(In))[0102]其中Fcan表示分类激活映射，Mn表示细化的损伤定位图。得到的损伤定位图如[0104]本实施例中为了将步骤四得到的损伤定位图Mn中损伤位置的细化先验信息合并而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或[0110]伪分割标签生成模块220，用于利用所述分割数据集作为样本对粗分割网络进行[0112]缺陷定位图获得模块240，用于利用所述训练后的分类网络对所述分割数据集进进行预训练得到。[0123]关于图像缺陷检测装置的具体限定可以参见上文中对于图像缺陷检测方法的限数据集为对图像的缺陷进行标注得到，该分类数据集中对图像的标注为对图像的整体标B)[0149]Mn=Fcaw(Fas(I))[0153]将所述缺陷定位图与强分割网络的编码器从所述分割数据集提取到的图像特征B)进行预训练得到。数据集为对图像的缺陷进行标注得到，该分类数据集中对图像的标注为对图像的整体标[0191]将所述缺陷定位图与强分割网络的编码器从所述分割数据集提取到的图像特征进行预训练得到。包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(R