本发明公开了某种用于表面缺陷检测的正样本扩充方法，包括，将检测器生成的目标框和检测框的位置坐标输入至非极大抑制单元，通过非极大抑制单元去除重叠检测框，保留包含目标信息的检测框；通过样本判定单元筛选和判定负样本、正样本以及半正样本；通过样本采样单元根据设定的正负样本采样比例对负样本、正样本以及半正样本进行采样；将全部采样数据输入至损失回归单元，通过损失回归单元进行检测框分类损失训练和检测框定位回归训练，进而扩充正样本；本发明可以更准确地衡量检测框与目标框之间的重叠程度；同时，改善了正负样本的不平衡问题，且可直接迁移应用至多种目标检测网络中，无需预训练，通用性好。

        1.某种用于表面缺陷检测的正样本扩充方法，其特征在于：包括， 将检测器生成的目标框和检测框的位置坐标输入至非极大抑制单元，通过所述非极大抑制单元去除重叠检测框，保留包含目标信息的检测框； 通过样本判定单元筛选和判定负样本、正样本以及半正样本； 通过样本采样单元根据设定的正负样本采样比例对所述负样本、正样本以及半正样本进行采样； 将全部采样数据输入至损失回归单元，通过所述损失回归单元进行检测框分类损失训练和检测框定位回归训练，进而扩充所述正样本。

        2.如权利要求1所述的用于表面缺陷检测的正样本扩充方法，其特征在于：所述非极大抑制单元包括， 所述非极大抑制单元在每个特征层内的检测框之间，通过执行非极大抑制策略，以去除所述重叠检测框； 而后在相邻的特征层内检测框之间，所述非极大抑制单元通过衡量检测框之间的相关性，并据此筛选与保留所述包含目标信息的检测框。

        3.如权利要求2所述的用于表面缺陷检测的正样本扩充方法，其特征在于：所述样本判定单元包括， 将所有检测框与目标框输入至所述样本判定单元，初始化所有检测框为忽略样本； 遍历所述检测框与目标框，计算检测框与目标框的重叠区域在目标框中所占比例COP BGt、检测框与目标框的重叠区域在检测框中所占比例COP GtB和面积比； 根据COP BGt的限定条件筛选并判定所述负样本； 根据COP BGt、COP GtB和面积比的限定条件筛选并判定所述正样本与所述半正样本。

        4.如权利要求3所述的用于表面缺陷检测的正样本扩充方法，其特征在于：计算所述COP BGt和COP GtB包括， 根据下式计算所述检测框与目标框的重叠区域在目标框中所占比例COP BGt：  根据下式计算检测框与目标框的重叠区域在检测框中所占比例COP GtB：  其中，B代表检测框，Gt代表目标框，S BGt表示检测框与目标框的重叠区域面积，S Gt表示目标框面积，S B表示检测框面积。

         5.如权利要求3所述的用于表面缺陷检测的正样本扩充方法，其特征在于：所述COP BGt的限定条件包括， 若每个检测框和所有目标框的COP BGt中的最大值低于负样本阈值，则此检测框判定为所述负样本。

         6.如权利要求5所述的用于表面缺陷检测的正样本扩充方法，其特征在于：判定所述正样本包括， 若每个检测框和所有目标框的COP BGt中的最大值高于正样本阈值，或者所述每个检测框和所有目标框的COP GtB中的最大值高于所述正样本阈值，并且所述每个检测框和最大值所对应的目标框的面积比在一级范围内，则判定它为所述正样本； 若每个目标框和所有检测框的COP BGt中的最大值所对应的检测框面积比在所述一级范围内，则判定最大值所对应的检测框为正样本。

        7.如权利要求3或6所述的用于表面缺陷检测的正样本扩充方法，其特征在于：判定所述半正样本包括， 若所述每个检测框和所有目标框的COP BGt中的最大值高于所述正样本阈值，或者所述每个检测框和所有目标框的COP GtB中的最大值高于所述正样本阈值，且它和最大值所对应的目标框的面积比在二级范围内，则它为所述半正样本。

        8.如权利要求1或2所述的用于表面缺陷检测的正样本扩充方法，其特征在于：所述采样包括， 所述样本采样单元采用随机采样策略并依照所述设定的正负样本采样比例分别从所有正样本和负样本中采样，若实际正样本数量不满足采样所需正样本数量，则通过半正样本补充正样本数量。

        9.如权利要求8所述的用于表面缺陷检测的正样本扩充方法，其特征在于：所述损失回归单元包括， 以所述负样本、正样本以及半正样本作为损失回归单元的输入，采用交叉熵损失函数进行所述检测框分类损失训练； 以所述正样本为损失回归单元的输入，采用Smooth L1损失函数进行所述检测框定位回归训练。

文章来源：互联网，倘若您发现本站有侵权或不当信息，请与本站联系，经本站核实后将尽快修正