用于域泛化的数据增强的制作方法

技术特征：
1.一种用于在对部件的自主控制下执行至少一个任务的系统，所述系统包括：图像传感器，被配置为输出所述部件的图像；致动器，被配置为基于所述部件中检测到的缺陷来分拣所述部件；处理器；以及存储器，包括当由处理器执行时使处理器进行以下操作的指令：在存储器中存储的源图像上利用图像分割器来生成具有前景区域和背景区域的源图像分割掩模；在存储器中存储的目标图像上利用图像分割器来生成具有前景区域和背景区域的目标图像分割掩模；基于源图像分割掩模确定源图像的源图像前景和源图像背景；基于目标图像分割掩模确定目标图像的目标图像前景和目标图像背景；从目标图像中移除目标图像前景；将源图像前景插入移除了目标图像前景的目标图像中，以创建具有源图像前景和目标图像背景的增强图像；用增强图像更新机器学习模型的训练数据；利用具有更新的训练数据的机器学习模型来确定所述部件中的缺陷；以及基于所述部件中所确定的缺陷来使致动器致动以分拣所述部件。2.根据权利要求1所述的系统，其中所述指令当由处理器执行时使处理器通过以下方式从目标图像背景中移除目标图像前景：确定目标图像背景中的像素的平均颜色；以及改变目标图像前景中的像素以采用平均颜色。3.一种用于生成机器学习模型的训练数据的计算机实现的方法，所述计算机实现的方法包括：从图像数据库中选择源图像；从图像数据库中选择目标图像；利用图像分割器以源图像来生成具有前景区域和背景区域的源图像分割掩模；利用图像分割器以目标图像来生成具有前景区域和背景区域的目标图像分割掩模；基于源图像分割掩模确定源图像的源图像前景和源图像背景；基于目标图像分割掩模确定目标图像的目标图像前景和目标图像背景；从目标图像中移除目标图像前景；将源图像前景插入移除了目标图像前景的目标图像中，以创建具有源图像前景和目标图像背景的增强图像；以及用增强图像更新机器学习模型的训练数据。4.根据权利要求3所述的计算机实现的方法，其中移除步骤包括：改变目标图像前景中至少一组像素的颜色。5.根据权利要求3所述的计算机实现的方法，其中移除步骤包括：确定目标图像背景中的像素的平均颜色；以及改变目标图像前景中的像素以采用平均颜色。6.根据权利要求3所述的计算机实现的方法，进一步包括：
确定源图像中对应于源图像前景的位置处的像素的颜色；并且其中插入步骤包括将所述颜色分配给目标图像中与目标图像前景对应的位置处的像素。7.根据权利要求3所述的计算机实现的方法，其中：源图像分割掩模和目标图像分割掩膜被生成为在相应前景区域中具有第一颜色并且在相应背景区域中具有第二颜色。8.根据权利要求3所述的计算机实现的方法，进一步包括基于更新的训练数据输出经训练的机器学习模型。9.根据权利要求8所述的计算机实现的方法，进一步包括：从图像传感器接收部件的输入图像；使用经训练的机器学习模型和输入图像来确定所述部件中存在缺陷；以及基于所述部件中所确定的缺陷来分拣所述部件。10.根据权利要求3所述的计算机实现的方法，其中源图像是具有公共域的一组源图像的一部分，并且其中选择源图像的步骤基于概率，使得选择给定源图像的概率随着具有公共域图像的数量的增加而降低。11.根据权利要求3所述的计算机实现的方法，其中图像分割器是图像分割机器学习模型。12.一种用于训练机器学习模型的系统，所述系统包括：配置为存储计算机可执行指令的计算机可读存储介质；以及一个或多个处理器，配置为执行计算机可执行指令，计算机可执行命令包括：利用图像分割器以源图像来生成具有前景区域和背景区域的源图像分割掩模；利用图像分割器以目标图像来生成具有前景区域和背景区域的目标图像分割掩模；基于源图像分割掩模确定源图像的源图像前景和源图像背景；基于目标图像分割掩模确定目标图像的目标图像前景和目标图像背景；从目标图像中移除目标图像前景；将源图像前景插入移除了目标图像前景的目标图像中，以创建具有源图像前景和目标图像背景的增强图像；以及用增强图像更新机器学习模型的训练数据。13.根据权利要求12所述的系统，其中移除步骤包括：改变目标图像前景中至少一组像素的颜色。14.根据权利要求12所述的系统，其中移除步骤包括：确定目标图像背景中的像素的平均颜色；以及改变目标图像前景中的像素以采用平均颜色。15.根据权利要求12所述的系统，其中计算机可执行指令进一步包括：确定源图像中对应于源图像前景的位置处的像素的颜色；并且其中插入步骤包括将所述颜色分配给目标图像中与目标图像前景对应的位置处的像素。16.根据权利要求12所述的系统，其中：源图像分割掩模和目标图像分割掩膜被生成为在相应前景区域中具有第一颜色并且
在相应背景区域中具有第二颜色。17.根据权利要求12所述的系统，其中计算机可执行指令进一步包括：基于更新的训练数据输出经训练的机器学习模型。18.根据权利要求17所述的系统，其中计算机可执行指令进一步包括：从图像源接收部件的输入图像；使用经训练的机器学习模型和输入图像来确定所述部件中存在缺陷；以及输出指示所述部件中缺陷的存在的消息。19.根据权利要求12所述的系统，其中源图像是具有公共域的一组源图像的一部分，并且其中选择源图像的步骤基于概率，使得选择给定源图像的概率随着具有公共域图像的数量的增加而降低。20.根据权利要求12所述的系统，其中图像分割器是图像分割机器学习模型。

技术总结
提供了用于域泛化的数据增强。公开了用于生成机器学习模型的训练数据以获得该模型的更好性能的方法和系统。从图像数据库中选择源图像连同目标图像。利用图像分割器以源图像来生成具有前景区域和背景区域的源图像分割掩模。对目标图像执行相同的操作，以生成具有前景区域和背景区域的目标图像分割掩模。基于掩模确定源图像和目标图像的前景和背景。从目标图像中移除目标图像前景，并将源图像前景插入到目标图像中以创建具有源图像前景和目标图像背景的增强图像。更新机器学习模型的训练数据以包括该增强图像。据以包括该增强图像。据以包括该增强图像。


技术研发人员：L
受保护的技术使用者：罗伯特
技术研发日：2023.04.10
技术公布日：2023/10/19