一种拼图标注训练方法、系统、设备和介质与流程

1.本发明涉及计算机技术领域，特别涉及一种拼图标注训练方法、系统、设备和介质。


背景技术：

2.现有的图像训练过程为：将原始图像通过人工标注出其中的缺陷，然后再将标注的图像进行训练，这时需要非常多张的标注图像作为训练文件；这就导致需要训练时每张图像中存在的未标注部分的冗余信息，这就使得训练速度下降；而计算机在读取图像的速度并不快，读取越多张的图像则会需要更多的时间，进一步地导致训练速度下降。


技术实现要素：

3.本发明要解决的技术问题，在于提供一种拼图标注训练方法、系统、设备和介质，通过拼接的方式得到新的训练图像，使得训练速度大大增加。
4.第一方面，本发明提供了一种拼图标注训练方法，包括：
5.步骤1、获取多张含缺陷的图像；
6.步骤2、将每张图像中的缺陷部分裁剪下来，得到缺陷图块；
7.步骤3、将缺陷图块进行拼接，形成与原图像尺寸一样的至少一张拼接图；
8.步骤4、将每张拼接图中的多个缺陷进行标注，得到至少一张标注图；
9.步骤5、将标注图进行深度学习训练得到训练文件。
10.进一步地，所述步骤1进一步具体为：通过相机采集图像或者下载到本地的图像，获取多张含缺陷的图像。
11.第二方面，本发明提供了一种拼图标注训练方法，包括：
12.获取模块，获取多张含缺陷的图像；
13.裁剪模块，将每张图像中的缺陷部分裁剪下来，得到缺陷图块；
14.拼接模块，将缺陷图块进行拼接，形成与原图像尺寸一样的至少一张拼接图；
15.标注模块，将每张拼接图中的多个缺陷进行标注，得到至少一张标注图；
16.训练模块，将标注图进行深度学习训练得到训练文件。
17.进一步地，所述获取模块进一步具体为：通过相机采集图像或者下载到本地的图像，获取多张含缺陷的图像。
18.第三方面，本发明提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现第一方面所述的方法。
19.第四方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面所述的方法。
20.本发明实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
21.本技术实施例提供的方法、系统、设备和介质，解决当前深度学习训练样本数量大，训练速度慢的问题，极大节省了算力，降低成本。
22.上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
23.下面参照附图结合实施例对本发明作进一步的说明。
24.图1为本发明实施例一中方法中的流程图；
25.图2为本发明实施例二中系统的结构示意图。
26.图3为本发明中缺陷图块的组合的拼接图示意图一。
27.图4为本发明中缺陷图块的组合的拼接图示意图二。
28.图5为本发明中缺陷图块的组合的拼接图示意图三。
29.图6为本发明中缺陷图块的组合的拼接图实例图一。
30.图7为本发明中缺陷图块的组合的拼接图实例图二。
具体实施方式
31.本技术实施例中的技术方案，总体思路如下：
32.一种拼图标注训练系统，分为四个步骤：1.通过相机采集图像或者下载到本地的图像；2.对图像缺陷部分进行矩形框裁剪提取并拼接到另一张含缺陷的图像得到拼接图a；3.继续人工查找含缺陷的图像，重复2步骤，直至拼图a平铺充满缺陷部分；4.对拼接图a的多个缺陷进行多边形框标注；5.对拼图a进行深度学习训练得到训练文件，训练网络模型可以是但不限于目标检测网络模型以及目标分割网络模型；通过以上方式可以解决当前深度学习训练样本数量大，训练速度慢的问题，极大节省了算力，降低成本。
33.实施例一
34.如图1所示，本实施例提供一种拼图标注训练方法，包括：
35.步骤1、通过相机采集图像或者下载到本地的图像，获取多张含缺陷的图像；
36.步骤2、将每张图像中的缺陷部分裁剪下来，得到缺陷图块，缺陷图块为矩形；
37.步骤3、将缺陷图块进行拼接，该拼接为随机进行拼接即可，形成与原图像尺寸一样的至少一张拼接图，源图像尺寸即为通过相机采集图像或者下载到本地的图像的尺寸，只有将训练的图像与源图像的尺寸保持一致，训练得到的结果才会准确，否则均为错误的结果；
38.如图3所示，缺陷图块可以是大小不一致的矩形，然后通过将缺陷图块紧密的进行拼接，形成一个与所需图像尺寸大小一致的拼接图；如图4所示，缺陷图块可以是大小不一致的矩形，然后将缺陷图块间隔的进行拼接，形成一个与所需图像尺寸大小一致的拼接图；如图5所示，缺陷图块可以是大小一致的矩形，然后将缺陷图块间隔的进行拼接，形成一个与所需图像尺寸大小一致的拼接图；如图6和7所示，是通过本发明的方法，从照片中裁剪下缺陷部分的缺陷图块，之后进行拼接，形成拼接图；
39.步骤4、将每张拼接图中的多个缺陷进行标注，得到至少一张标注图；
40.步骤5、将标注图进行深度学习训练得到训练文件；该深度学习训练可以是目标检测网络或者目标分割网络模型，譬如使用pytorch或tensorflow框架等调用现成的目标检
测模型yolo或目标分割模型deeplabv3去训练；本发明不限于上述的两个框架和yolo、deeplabv3这两个模型。
41.基于同一发明构思，本技术还提供了与实施例一中的方法对应的系统，详见实施例二。
42.实施例二
43.如图2所示，在本实施例中提供了一种拼图标注训练方法，包括：
44.获取模块，通过相机采集图像或者下载到本地的图像，获取多张含缺陷的图像；
45.裁剪模块，将每张图像中的缺陷部分裁剪下来，得到缺陷图块；
46.拼接模块，将缺陷图块进行拼接，该拼接为随机进行拼接即可，形成与原图像尺寸一样的至少一张拼接图，源图像尺寸即为通过相机采集图像或者下载到本地的图像的尺寸，只有将训练的图像与源图像的尺寸保持一致，训练得到的结果才会准确，否则均为错误的结果；
47.如图3所示，缺陷图块可以是大小不一致的矩形，然后通过将缺陷图块紧密的进行拼接，形成一个与所需图像尺寸大小一致的拼接图；如图4所示，缺陷图块可以是大小不一致的矩形，然后将缺陷图块间隔的进行拼接，形成一个与所需图像尺寸大小一致的拼接图；如图5所示，缺陷图块可以是大小一致的矩形，然后将缺陷图块间隔的进行拼接，形成一个与所需图像尺寸大小一致的拼接图；如图6和7所示，是通过本发明的方法，从照片中裁剪下缺陷部分的缺陷图块，之后进行拼接，形成拼接图；
48.标注模块，将每张拼接图中的多个缺陷进行标注，得到至少一张标注图；
49.训练模块，将标注图进行深度学习训练得到训练文件；该深度学习训练可以是目标检测网络或者目标分割网络模型，譬如使用pytorch或tensorflow框架等调用现成的目标检测模型yolo或目标分割模型deeplabv3去训练；本发明不限于上述的两个框架和yolo、deeplabv3这两个模型。
50.由于本发明实施例二所介绍的系统，为实施本发明实施例一的方法所采用的系统，故而基于本发明实施例一所介绍的方法，本领域所属人员能够了解该系统的具体结构及变形，故而在此不再赘述。凡是本发明实施例一的方法所采用的系统都属于本发明所欲保护的范围。
51.基于同一发明构思，本技术提供了实施例一对应的电子设备实施例，详见实施例三。
52.实施例三
53.本实施例提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时，可以实现实施例一中任一实施方式。
54.由于本实施例所介绍的电子设备为实施本技术实施例一中方法所采用的设备，故而基于本技术实施例一中所介绍的方法，本领域所属技术人员能够了解本实施例的电子设备的具体实施方式以及其各种变化形式，所以在此对于该电子设备如何实现本技术实施例中的方法不再详细介绍。只要本领域所属技术人员实施本技术实施例中的方法所采用的设备，都属于本技术所欲保护的范围。
55.基于同一发明构思，本技术提供了实施例一对应的存储介质，详见实施例四。
56.实施例四
57.本实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，可以实现实施例一中任一实施方式。
58.本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
59.本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的系统。
60.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品，该指令系统实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
61.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
62.虽然以上描述了本发明的具体实施方式，但是熟悉本技术领域的技术人员应当理解，我们所描述的具体的实施例只是说明性的，而不是用于对本发明的范围的限定，熟悉本领域的技术人员在依照本发明的精神所作的等效的修饰以及变化，都应当涵盖在本发明的权利要求所保护的范围内。