您所在的位置: 成果库 基于深度神经网络的酒瓶缺陷样本生成方法及系统

基于深度神经网络的酒瓶缺陷样本生成方法及系统

发布时间: 2022-06-20

基本信息

合作方式： 技术咨询
成果类型： 发明专利
行业领域：
新一代信息技术产业,信息传输、软件和信息技术服务业
成果介绍

本申请涉及缺陷样本生成技术领域，特别地涉及一种基于深度神经网络的酒瓶缺陷样本生成方法及系统。该方法包括：获取真实酒瓶缺陷图片数据集，进行预处理、扩充操作得到样本集，扩充后的数据集输入预搭建的对抗神经生成网络，扩充后的数据集输入预搭建的对抗神经生成网络，生成虚拟样本；并输入至所述生成网络结构，通过生成网络结构生成虚拟样本；以及将所述虚拟样本自适应贴合至预先构建的3D酒瓶模型表面。本申请的缺陷生成方法通过对抗神经生成网络输出大量的酒瓶缺陷虚拟样本，并贴合于3D酒瓶模型，提高酒瓶缺陷样本的生成效率、生成稳定性以及真实度。

主权利要求: 1.一种基于深度神经网络的酒瓶缺陷样本生成方法，其特征在于，该方法包括以下步骤：获取真实酒瓶缺陷图片数据集，进行预处理、扩充操作得到样本集，所述样本集包括训练样本；扩充后的数据集输入预搭建的对抗神经生成网络，生成虚拟样本；其中，预搭建的所述对抗神经生成网络，通过所述训练样本进行训练得到；所述对抗神经生成网络中包括随机噪声网络结构、生成网络结构，输入数据通过所述随机噪声网络结构进行处理生成特征图，并输入至所述生成网络结构，通过生成网络结构生成虚拟样本；所述对抗神经生成网络中：所述随机噪声网络结构接收输入的随机噪声图像，将所述随机噪声图像进行形变操作，得到第一特征图；所述生成网络结构获取所述第一特征图，进行卷积操作得到第二特征图，第二特征图即虚拟样本；以及将所述虚拟样本自适应贴合至预先构建的3D酒瓶模型表面；所述将所述虚拟样本自适应贴合至预先构建的3D酒瓶模型表面的步骤中；采用第二控制点对预先构建的3D酒瓶表面坐标的估计，得到3D酒瓶的展开图；将所述第二特征图，根据所述展开图进行裁切，将每个独立的坐标进行参数化；将裁剪部分图像分割为小于n1*n1的图像面片，并进行标记；其中n1为≤5的正整数；将所述图像面片的角点集合，与所述3D酒瓶表面上位置对应的四个角点集合进行仿射变换计算得到映射矩阵；根据所述3D酒瓶表面的形状，将所述第二特征图进行仿射变换，并根据对应位置贴至所述3D酒瓶表面。

成果亮点
团队介绍
成果资料