(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210585139.1 (22)申请日 2022.05.27 (65)同一申请的已公布的文献号 申请公布号 CN 114677567 A (43)申请公布日 2022.06.28 (73)专利权人 成都数联云算科技有限公司 地址 610000 四川省成 都市高新区吉泰五 路88号3栋5层8号、 9号 (72)发明人 不公告发明人 　 (74)专利代理 机构 广州三环 专利商标代理有限 公司 44202 专利代理师 孙朝锐 (51)Int.Cl. G06V 10/774(2022.01) G06V 10/74(2022.01) G06V 10/26(2022.01) G06K 9/62(2022.01)(56)对比文件 CN 114331961 A,202 2.04.12 CN 108596184 A,2018.09.28 CN 1081975 67 A,2018.0 6.22 CN 107424159 A,2017.12.01 CN 108921161 A,2018.1 1.30 CN 109978893 A,2019.07.0 5 CN 113569852 A,2021.10.2 9 CN 113792742 A,2021.12.14 CN 112288748 A,2021.01.2 9 US 2022036068 A1,202 2.02.03 US 2020372648 A1,2020.1 1.26 US 11321937 B1,202 2.05.03 US 2020134375 A1,2020.04.3 0 US 20213 50168 A1,2021.1 1.11 王松.基于U-Net的图像分割方法研究. 《中 国优秀博硕士学位 论文全文数据库(硕士)工程 科技Ⅱ辑》 .2022,(第(202 2)02期), (续) 审查员 葛敏雪 (54)发明名称 模型训练方法、 装置、 存 储介质及电子设备 (57)摘要 本申请公开了一种模型训练方法、 装置、 存 储介质及电子设备， 涉及人工智 能技术领域， 解 决现有技术中用于缺陷识别的语义分割模型的 精度较低的问题， 方法包括以下步骤： 采用第一 语义分割模型对第一检测图像集中的各图像进 行分割以获得分割结果； 根据分割结果对若干第 一检测图像进行像素填充， 以获得包括若干第二 检测图像的第二检测图像集； 采用模板匹配方法 将第二检测图像集中的各图像与第一整板图像 进行二次匹配， 以获得第二匹配图像集； 根据第 二匹配图像集对初始语义分割网络模型进行训 练以获得目标模 型。 本申请通过粗筛模型进行定 位、 匹配步骤， 在降低相关性系数值的条件下大 量提取分割数据， 进而获得较高精度的数据用于 训练模型。 [转续页] 权利要求书3页 说明书11页 附图3页 CN 114677567 B 2022.10.14 CN 114677567 B (56)对比文件 刘建鑫.基 于深度学习的图像 语义分割算法 及应用研究. 《中国优秀博硕士学位 论文全文数 据库(硕士)信息科技 辑》 .2021,(第(2021)10 期), 陈虎.弱监 督语义分割算法研究. 《中国优秀 博硕士学位 论文全文数据库(硕士)信息科技辑》 .2022,(第(202 2)01期), Xuhua Huang等.Fast Video Object Segmentati on With Temporal Ag gregation Network and Dynamic Template Matc hing. 《Proceedings of the IE EE/CVF Conference on Computer Visi on and Pat tern Recognition (CVPR)》 .2020,2/2 页 2[接上页] CN 114677567 B1.一种模型训练方法， 其特 征在于， 包括以下步骤： 采用第一语义分割模型对第 一检测图像集中的第 一检测图像进行分割， 以获得分割结 果； 其中， 所述第一检测图像集包括若干第一检测图像， 所述第一语义分割模型基于训练数 据训练获得， 所述训练数据采用模板匹配方法进行初次匹配获得； 根据所述分割结果， 对若干所述第一检测图像进行像素填充， 以获得包括若干第二检 测图像的第二检测图像集； 采用模板匹配方法将所述第二检测图像集中的第二检测图像与第一整板图像进行二 次匹配， 以获得第二匹配图像集； 其中， 所述第一整板图像为进行二次匹配的整板图像， 所 述整板图像为基于产品拍摄获得的整板大图； 所述二次匹配的相关性系数值低于所述初次 匹配的相关性系数值， 所述第二匹配图像集包括若干一一对应的所述第一整板图像的局部 区域图像与所述第二检测图像； 根据所述第二匹配图像集对初始语义分割网络模型进行训练， 获得目标语义分割模 型。 2.根据权利要求1所述的模型训练方法， 其特征在于， 所述采用第 一语义分割 模型对第 一检测图像集中的第一检测图像进行分割， 以获得分割 结果的步骤之前， 所述模型训练方 法还包括： 采用模板匹配方法将所述第一检测图像集中的第一检测图像与第二整板图像进行初 次匹配， 以获得第一匹配图像集； 其中， 所述第二整板图像为进行初次匹配的所述整板图 像， 所述第一匹配图像集包括若干一一对应的所述第二整板图像的局部区域图像与第一检 测图像； 根据所述第 一匹配图像集对初始语义分割网络模型进行训练， 获得所述第 一语义分割 模型。 3.根据权利要求2所述的模型训练方法， 其特征在于， 所述采用模板匹配方法将所述第 一检测图像集中的第一检测图像与第二整板图像进行初次匹配， 以获得第一匹配图像集的 步骤之前， 所述模型训练方法还 包括： 获取整板 图像以及若干检测图像， 并将所述整板 图像与检测图像灰度化， 以获得灰度 整板图像与灰度检测图像集； 根据坐标位置信息切出所述灰度检测图像集中各检测图像在所述灰度整板图像上的 对应位置， 以获得 所述第一检测图像集与所述第二整板图像。 4.根据权利要求3所述的模型训练方法， 其特征在于， 所述获取整板图像以及若干检测 图像， 并将所述整板图像与检测图像灰度化， 以获得灰度整板图像与灰度检测图像集的步 骤之前， 所述模型训练方法还 包括： 对若干所述检测图像的分辨率进行调整， 以获得分辨率相同的所述整板图像与所述检 测图像。 5.根据权利要求2所述的模型训练方法， 其特征在于， 所述根据 所述第一匹配图像集对 初始语义分割网络模型进行训练， 获得所述第一语义分割模型的步骤之前， 所述模型训练 方法还包括： 对所述第一匹配图像集中的第 一检测图像的像素值进行调整， 以获得与所述第 一语义 分割模型的训练数据集标签 像素值相同的所述第一匹配图像集。权　利　要　求　书 1/3 页 2 CN 114677567 B 3