本發(fā)明涉及機(jī)器視覺，具體涉及一種缺陷檢測(cè)方法及裝置、模型遷移方法及裝置。

背景技術(shù)：

1、在機(jī)器視覺領(lǐng)域，基于深度學(xué)習(xí)的檢測(cè)技術(shù)應(yīng)用廣泛。在采用深度學(xué)習(xí)技術(shù)進(jìn)行工業(yè)圖像的缺陷檢測(cè)時(shí)，需要有針對(duì)性地對(duì)生產(chǎn)的各種產(chǎn)品收集足量的缺陷樣本并人工打上相應(yīng)標(biāo)注，用這些缺陷樣本訓(xùn)練模型以達(dá)到檢測(cè)的目的。但通常數(shù)據(jù)收集困難，標(biāo)注成本高(需要花費(fèi)大量人力)，造成生產(chǎn)企業(yè)的數(shù)據(jù)成本居高不下。在真實(shí)的工業(yè)生產(chǎn)場(chǎng)景中，對(duì)于同一產(chǎn)品或者相似產(chǎn)品，由于成像設(shè)備、拍攝環(huán)境、光照條件或產(chǎn)品本身的微小變化等因素的差異，導(dǎo)致訓(xùn)練的模型無法實(shí)現(xiàn)遷移或者快速遷移，是生產(chǎn)制造企業(yè)在使用深度檢測(cè)技術(shù)的痛點(diǎn)問題，主要體現(xiàn)在以下兩個(gè)方面：

2、(1)同一產(chǎn)品：在實(shí)際的工業(yè)生產(chǎn)中，對(duì)于同一產(chǎn)品，可以由不同產(chǎn)線生產(chǎn)，但由于光照、成像環(huán)境等因素的改變，導(dǎo)致不同產(chǎn)線上產(chǎn)品圖像的數(shù)據(jù)分布存在微小差異(即“域偏移”問題)，數(shù)據(jù)無法實(shí)現(xiàn)通用化，形成“產(chǎn)線-數(shù)據(jù)-模型”的嚴(yán)格對(duì)應(yīng)模式，例如：在a產(chǎn)線收集的數(shù)據(jù)以及所訓(xùn)練的模型，無法遷移到b產(chǎn)線或者其他產(chǎn)線，特別是對(duì)于企業(yè)在擴(kuò)產(chǎn)時(shí)，先期投產(chǎn)所獲得的數(shù)據(jù)和先進(jìn)模型，無法遷移或者快速遷移到新產(chǎn)線上，導(dǎo)致資源浪費(fèi)以及生產(chǎn)成本的增加；

3、(2)相似產(chǎn)品：主要體現(xiàn)在，即使生產(chǎn)的產(chǎn)品有細(xì)微不同也無法進(jìn)行數(shù)據(jù)和模型的遷移或者快速遷移，例如產(chǎn)品的表面顏色有些許差異，其余相同，但不同顏色產(chǎn)品的圖像數(shù)據(jù)之間也存在“域偏移”問題，數(shù)據(jù)和模型無法實(shí)現(xiàn)良好的遷移性能。在實(shí)際生產(chǎn)中，一般會(huì)有多款相似產(chǎn)品生產(chǎn)上市以滿足消費(fèi)者的需求，但目前在相似產(chǎn)品的生產(chǎn)過程中，數(shù)據(jù)之間無法實(shí)現(xiàn)對(duì)齊，導(dǎo)致數(shù)據(jù)無法得到充分利用，模型遷移性能差。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明主要解決的技術(shù)問題是機(jī)器視覺模型遷移能力差，無法適應(yīng)不同的圖像數(shù)據(jù)。

2、根據(jù)第一方面，一種實(shí)施例中提供一種缺陷檢測(cè)方法，包括：

3、獲取目標(biāo)域的待檢測(cè)圖像；

4、將所述待檢測(cè)圖像輸入預(yù)訓(xùn)練的缺陷檢測(cè)模型進(jìn)行缺陷檢測(cè)，以獲得所述待檢測(cè)圖像的缺陷檢測(cè)結(jié)果；

5、其中，所述缺陷檢測(cè)模型通過以下方式訓(xùn)練得到：

6、獲取源域圖像和相應(yīng)的缺陷標(biāo)注，并獲取經(jīng)所述源域圖像和相應(yīng)的缺陷標(biāo)注訓(xùn)練得到的基線模型；

7、獲取目標(biāo)域圖像，其中，源域和目標(biāo)域?yàn)椴煌某上駡?chǎng)景，所述不同的成像場(chǎng)景指不同的被測(cè)物體和/或不同的成像條件；所述目標(biāo)域圖像中的部分或全部具有相應(yīng)的缺陷標(biāo)注，或者均不具有相應(yīng)的缺陷標(biāo)注，若所述目標(biāo)域圖像中的部分或全部具有相應(yīng)的缺陷標(biāo)注，則獲取具有相應(yīng)的缺陷標(biāo)注的目標(biāo)域圖像的缺陷標(biāo)注；

8、將所述源域圖像的缺陷標(biāo)注輸入可學(xué)習(xí)的去噪器得到去噪標(biāo)注；

9、若存在不具有相應(yīng)的缺陷標(biāo)注的目標(biāo)域圖像，則將其輸入初始基線模型得到第二目標(biāo)域預(yù)測(cè)結(jié)果，并對(duì)所述不具有相應(yīng)的缺陷標(biāo)注的目標(biāo)域圖像進(jìn)行數(shù)據(jù)擴(kuò)充操作得到第二目標(biāo)域擴(kuò)充圖像，將所述第二目標(biāo)域預(yù)測(cè)結(jié)果作為所述第二目標(biāo)域擴(kuò)充圖像相應(yīng)的偽標(biāo)注；

10、利用所述源域圖像和相應(yīng)的去噪標(biāo)注，以及具有相應(yīng)的缺陷標(biāo)注的目標(biāo)域圖像和相應(yīng)的缺陷標(biāo)注和/或所述第二目標(biāo)域擴(kuò)充圖像和相應(yīng)的偽標(biāo)注，對(duì)所述基線模型和所述去噪器進(jìn)行訓(xùn)練；所述缺陷檢測(cè)模型為訓(xùn)練結(jié)束時(shí)獲得的基線模型；所述初始基線模型為訓(xùn)練前獲取的參數(shù)未更新的基線模型。

11、一些實(shí)施例中，所述利用所述源域圖像和相應(yīng)的去噪標(biāo)注，以及具有相應(yīng)的缺陷標(biāo)注的目標(biāo)域圖像和相應(yīng)的缺陷標(biāo)注和/或所述第二目標(biāo)域擴(kuò)充圖像和相應(yīng)的偽標(biāo)注，對(duì)所述基線模型和所述去噪器進(jìn)行訓(xùn)練，包括：

12、將所述源域圖像輸入所述基線模型得到源域預(yù)測(cè)結(jié)果；

13、若存在具有相應(yīng)的缺陷標(biāo)注的目標(biāo)域圖像，則將其輸入所述基線模型得到第一目標(biāo)域預(yù)測(cè)結(jié)果；

14、若存在不具有相應(yīng)的缺陷標(biāo)注的目標(biāo)域圖像，則將對(duì)所述不具有相應(yīng)的缺陷標(biāo)注的目標(biāo)域圖像進(jìn)行數(shù)據(jù)擴(kuò)充操作得到的所述第二目標(biāo)域擴(kuò)充圖像輸入所述基線模型得到第二目標(biāo)域擴(kuò)充預(yù)測(cè)結(jié)果；

15、根據(jù)總損失函數(shù)loss對(duì)所述基線模型和所述去噪器進(jìn)行訓(xùn)練；

16、其中，所述總損失函數(shù)loss由第一損失函數(shù)l1，以及第二損失函數(shù)l2和/或第三損失函數(shù)l3確定，所述第一損失函數(shù)l1根據(jù)所述源域預(yù)測(cè)結(jié)果和相應(yīng)的去噪標(biāo)注之間的差異確定，所述第二損失函數(shù)l2至少根據(jù)所述第一目標(biāo)域預(yù)測(cè)結(jié)果和相應(yīng)的缺陷標(biāo)注之間的差異確定，所述第三損失函數(shù)l3根據(jù)所述第二目標(biāo)域擴(kuò)充預(yù)測(cè)結(jié)果和相應(yīng)的偽標(biāo)注之間的差異確定。

17、一些實(shí)施例中，所述去噪器的表達(dá)式為：

18、ytc＝(1-β)×onehot(y)+β×p，

19、其中，ytc是所述去噪標(biāo)注，y是所述源域圖像的缺陷標(biāo)注，onehot(y)表示對(duì)y執(zhí)行獨(dú)熱編碼操作，p是所述源域預(yù)測(cè)結(jié)果，β是可學(xué)習(xí)參數(shù)。

20、一些實(shí)施例中的缺陷檢測(cè)方法還包括：

21、若存在具有相應(yīng)的缺陷標(biāo)注的目標(biāo)域圖像，則還對(duì)所述具有相應(yīng)的缺陷標(biāo)注的目標(biāo)域圖像和相應(yīng)的缺陷標(biāo)注執(zhí)行相同的數(shù)據(jù)擴(kuò)充操作，得到第一目標(biāo)域擴(kuò)充圖像和相應(yīng)的第一擴(kuò)充標(biāo)注；將所述第一目標(biāo)域擴(kuò)充圖像輸入所述基線模型得到第一目標(biāo)域擴(kuò)充預(yù)測(cè)結(jié)果；

22、所述第二損失函數(shù)l2還根據(jù)所述第一目標(biāo)域擴(kuò)充預(yù)測(cè)結(jié)果和相應(yīng)的第一擴(kuò)充標(biāo)注之間的差異、所述第一目標(biāo)域擴(kuò)充預(yù)測(cè)結(jié)果和對(duì)應(yīng)的所述第一目標(biāo)域預(yù)測(cè)結(jié)果之間的差異確定。

23、一些實(shí)施例中，所述第一目標(biāo)域預(yù)測(cè)結(jié)果包括第一預(yù)測(cè)多類別分?jǐn)?shù)圖p1，所述第一預(yù)測(cè)多類別分?jǐn)?shù)圖p1中的元素用于表示所述具有相應(yīng)的缺陷標(biāo)注的目標(biāo)域圖像中的對(duì)應(yīng)像素點(diǎn)屬于各個(gè)分類類別的概率；所述分類類別中的至少一個(gè)分類類別用于表示缺陷；

24、所述具有相應(yīng)的缺陷標(biāo)注的目標(biāo)域圖像的缺陷標(biāo)注包括目標(biāo)域類別標(biāo)注圖y1，所述目標(biāo)域類別標(biāo)注圖y1中的元素用于表示所述具有相應(yīng)的缺陷標(biāo)注的目標(biāo)域圖像中的對(duì)應(yīng)像素點(diǎn)的實(shí)際分類類別；

25、所述第一目標(biāo)域擴(kuò)充預(yù)測(cè)結(jié)果包括第一擴(kuò)充預(yù)測(cè)多類別分?jǐn)?shù)圖p1a，所述第一擴(kuò)充預(yù)測(cè)多類別分?jǐn)?shù)圖p1a中的元素用于表示所述第一目標(biāo)域擴(kuò)充圖像中對(duì)應(yīng)像素點(diǎn)屬于各個(gè)分類類別的概率；

26、所述第一擴(kuò)充標(biāo)注包括所述目標(biāo)域類別標(biāo)注圖y1經(jīng)數(shù)據(jù)擴(kuò)充操作后得到的目標(biāo)域擴(kuò)充類別標(biāo)注圖y1a；

27、所述第一預(yù)測(cè)多類別分?jǐn)?shù)圖p1、所述目標(biāo)域類別標(biāo)注圖y1、所述第一擴(kuò)充預(yù)測(cè)多類別分?jǐn)?shù)圖p1a和所述目標(biāo)域擴(kuò)充類別標(biāo)注圖y1a的分辨率均與所述具有相應(yīng)的缺陷標(biāo)注的目標(biāo)域圖像的分辨率相同；

28、所述第二損失函數(shù)l2的表達(dá)式為：

29、l2＝α1lr1+α2lr1a+α3lr11a，

30、其中，α1、α2和α3分別為預(yù)設(shè)的權(quán)重系數(shù)，

31、

32、其中，argmax(p1)表示對(duì)所述第一預(yù)測(cè)多類別分?jǐn)?shù)圖p1中的元素取概率最大的分類類別得到的第一類別預(yù)測(cè)圖，argmax(p1)∩y1表示所述第一類別預(yù)測(cè)圖和相應(yīng)的目標(biāo)域類別標(biāo)注圖y1之間的交集元素的個(gè)數(shù)，argmax(p1)∪y1表示所述第一類別預(yù)測(cè)圖和相應(yīng)的目標(biāo)域類別標(biāo)注圖y1之間的并集元素的個(gè)數(shù)；

33、

34、其中，argmax(p1a)表示對(duì)所述第一擴(kuò)充預(yù)測(cè)多類別分?jǐn)?shù)圖p1a中的元素取概率最大的分類類別得到的第一擴(kuò)充類別預(yù)測(cè)圖，argmax(p1a)∩y1a表示所述第一擴(kuò)充類別預(yù)測(cè)圖和相應(yīng)的目標(biāo)域擴(kuò)充類別標(biāo)注圖y1a之間的交集元素的個(gè)數(shù)，argmax(p1a)∪y1a表示所述第一擴(kuò)充類別預(yù)測(cè)圖和相應(yīng)的目標(biāo)域擴(kuò)充類別標(biāo)注圖y1a之間的并集元素的個(gè)數(shù)；

35、

36、其中，m為元素的總數(shù)，i為元素的序號(hào)，(p1)表示p1的一維打平向量，(p1)i為(p1)的第i個(gè)元素，(p1a)表示p1a的一維打平向量，(p1a)i為p1a的第i個(gè)元素，其中一維打平向量指將圖中的各元素各通道的數(shù)值按順序排列形成的向量。

37、一些實(shí)施例中，所述源域預(yù)測(cè)結(jié)果包括所述源域圖像屬于各個(gè)分類類別的概率；所述分類類別中的至少一個(gè)分類類別用于表示缺陷；

38、所述源域圖像的缺陷標(biāo)注包括所述源域圖像屬于各個(gè)分類類別的實(shí)際概率，所述去噪標(biāo)注包括所述源域圖像的缺陷標(biāo)注經(jīng)所述去噪器處理后得到的對(duì)應(yīng)于各個(gè)分類類別的概率；

39、所述第一損失函數(shù)l1的表達(dá)式為：

40、

41、其中，n為分類類別的總數(shù)，j為分類類別的序號(hào)，pj表示所述源域預(yù)測(cè)結(jié)果包括的所述源域圖像屬于第j個(gè)分類類別的概率，(ytc)j表示所述去噪標(biāo)注中對(duì)應(yīng)于第j個(gè)分類類別的概率。

42、一些實(shí)施例中，所述第二目標(biāo)域預(yù)測(cè)結(jié)果包括第二預(yù)測(cè)多類別分?jǐn)?shù)圖p2，所述第二預(yù)測(cè)多類別分?jǐn)?shù)圖p2中的元素用于表示所述不具有相應(yīng)的缺陷標(biāo)注的目標(biāo)域圖像中的對(duì)應(yīng)像素點(diǎn)屬于各個(gè)分類類別的概率；所述分類類別中的至少一個(gè)分類類別用于表示缺陷；

43、所述第二目標(biāo)域擴(kuò)充預(yù)測(cè)結(jié)果包括第二擴(kuò)充預(yù)測(cè)多類別分?jǐn)?shù)圖p2a，所述第二擴(kuò)充預(yù)測(cè)多類別分?jǐn)?shù)圖p2a中的元素用于表示所述第二目標(biāo)域擴(kuò)充圖像中對(duì)應(yīng)像素點(diǎn)屬于各個(gè)分類類別的概率；

44、所述第二預(yù)測(cè)多類別分?jǐn)?shù)圖p2和所述第二擴(kuò)充預(yù)測(cè)多類別分?jǐn)?shù)圖p2a的分辨率均與所述不具有相應(yīng)的缺陷標(biāo)注的目標(biāo)域圖像的分辨率相同；

45、所述第三損失函數(shù)l3的表達(dá)式為：

46、

47、其中，w為元素的總數(shù)，k為元素的序號(hào)，(p2)表示p2的一維打平向量，(p2)k為(p2)的第k個(gè)元素，(p2a)表示p2a的一維打平向量，(p2a)k為p2a的第k個(gè)元素，其中一維打平向量指將圖中的各元素各通道的數(shù)值按順序排列形成的向量。

48、一些實(shí)施例中，若所述目標(biāo)域圖像全部具有相應(yīng)的缺陷標(biāo)注，則所述總損失函數(shù)loss的表達(dá)式為：

49、loss＝δ1l1+δ2l2，

50、若所述目標(biāo)域圖像均不具有相應(yīng)的缺陷標(biāo)注，則所述總損失函數(shù)loss的表達(dá)式為：

51、loss＝δ1l1+δ3l3，

52、若所述目標(biāo)域圖像部分具有相應(yīng)的缺陷標(biāo)注，則所述總損失函數(shù)loss的表達(dá)式為：

53、loss＝δ1l1+δ2l2+δ3l3，

54、其中δ1、δ2和δ3分別為預(yù)設(shè)的權(quán)重系數(shù)。

55、一些實(shí)施例中，所述成像條件包括成像設(shè)備、拍攝參數(shù)、光照和/或拍攝環(huán)境。

56、根據(jù)第二方面，一種實(shí)施例中提供一種模型遷移方法，其特征在于，用于將從源域獲得的基線模型遷移至目標(biāo)域得到遷移模型，所述模型遷移方法包括：

57、獲取源域圖像和相應(yīng)的標(biāo)注，并獲取經(jīng)所述源域圖像和相應(yīng)的標(biāo)注訓(xùn)練得到的所述基線模型；

58、獲取目標(biāo)域圖像，所述目標(biāo)域圖像中的部分或全部具有相應(yīng)的標(biāo)注，或者均不具有相應(yīng)的標(biāo)注，若所述目標(biāo)域圖像中的部分或全部具有相應(yīng)的標(biāo)注，則獲取具有相應(yīng)的標(biāo)注的目標(biāo)域圖像的標(biāo)注；

59、將所述源域圖像的標(biāo)注輸入可學(xué)習(xí)的去噪器得到去噪標(biāo)注；

60、若存在不具有相應(yīng)的標(biāo)注的目標(biāo)域圖像，則將其輸入初始基線模型得到第二目標(biāo)域預(yù)測(cè)結(jié)果，并對(duì)所述不具有相應(yīng)的標(biāo)注的目標(biāo)域圖像進(jìn)行數(shù)據(jù)擴(kuò)充操作得到第二目標(biāo)域擴(kuò)充圖像，將所述第二目標(biāo)域預(yù)測(cè)結(jié)果作為所述第二目標(biāo)域擴(kuò)充圖像相應(yīng)的偽標(biāo)注；

61、利用所述源域圖像和相應(yīng)的去噪標(biāo)注，以及具有相應(yīng)的標(biāo)注的目標(biāo)域圖像和相應(yīng)的標(biāo)注和/或所述第二目標(biāo)域擴(kuò)充圖像和相應(yīng)的偽標(biāo)注，對(duì)所述基線模型和所述去噪器進(jìn)行訓(xùn)練；所述遷移模型為訓(xùn)練結(jié)束時(shí)獲得的基線模型；所述初始基線模型為訓(xùn)練前獲取的參數(shù)未更新的基線模型。

62、一些實(shí)施例中，所述利用所述源域圖像和相應(yīng)的去噪標(biāo)注，以及具有相應(yīng)的標(biāo)注的目標(biāo)域圖像和相應(yīng)的標(biāo)注和/或所述第二目標(biāo)域擴(kuò)充圖像和相應(yīng)的偽標(biāo)注，對(duì)所述基線模型和所述去噪器進(jìn)行訓(xùn)練，包括：

63、將所述源域圖像輸入所述基線模型得到源域預(yù)測(cè)結(jié)果；

64、若存在具有相應(yīng)的標(biāo)注的目標(biāo)域圖像，則將其輸入所述基線模型得到第一目標(biāo)域預(yù)測(cè)結(jié)果；

65、若存在不具有相應(yīng)的標(biāo)注的目標(biāo)域圖像，則將對(duì)所述不具有相應(yīng)的標(biāo)注的目標(biāo)域圖像進(jìn)行數(shù)據(jù)擴(kuò)充操作得到的所述第二目標(biāo)域擴(kuò)充圖像輸入所述基線模型得到第二目標(biāo)域擴(kuò)充預(yù)測(cè)結(jié)果；

66、根據(jù)總損失函數(shù)loss對(duì)所述基線模型和所述去噪器進(jìn)行訓(xùn)練；

67、其中，所述總損失函數(shù)loss由第一損失函數(shù)l1，以及第二損失函數(shù)l2和/或第三損失函數(shù)l3確定，所述第一損失函數(shù)l1根據(jù)所述源域預(yù)測(cè)結(jié)果和相應(yīng)的去噪標(biāo)注之間的差異確定，所述第二損失函數(shù)l2至少根據(jù)所述第一目標(biāo)域預(yù)測(cè)結(jié)果和相應(yīng)的標(biāo)注之間的差異確定，所述第三損失函數(shù)l3根據(jù)所述第二目標(biāo)域擴(kuò)充預(yù)測(cè)結(jié)果和相應(yīng)的偽標(biāo)注之間的差異確定。

68、一些實(shí)施例中的模型遷移方法，還包括：

69、若存在具有相應(yīng)的標(biāo)注的目標(biāo)域圖像，則還對(duì)所述具有相應(yīng)的標(biāo)注的目標(biāo)域圖像和相應(yīng)的標(biāo)注執(zhí)行相同的數(shù)據(jù)擴(kuò)充操作，得到第一目標(biāo)域擴(kuò)充圖像和相應(yīng)的第一擴(kuò)充標(biāo)注；將所述第一目標(biāo)域擴(kuò)充圖像輸入所述基線模型得到第一目標(biāo)域擴(kuò)充預(yù)測(cè)結(jié)果；

70、所述第二損失函數(shù)l2還根據(jù)所述第一目標(biāo)域擴(kuò)充預(yù)測(cè)結(jié)果和相應(yīng)的第一擴(kuò)充標(biāo)注之間的差異、所述第一目標(biāo)域擴(kuò)充預(yù)測(cè)結(jié)果和對(duì)應(yīng)的所述第一目標(biāo)域預(yù)測(cè)結(jié)果之間的差異確定。

71、根據(jù)第三方面，一種實(shí)施例中提供一種缺陷檢測(cè)裝置，包括：

72、待檢測(cè)圖像獲取模塊，用于獲取目標(biāo)域的待檢測(cè)圖像；

73、檢測(cè)模塊，與所述待檢測(cè)圖像獲取模塊連接，用于將所述待檢測(cè)圖像輸入預(yù)訓(xùn)練的缺陷檢測(cè)模型進(jìn)行缺陷檢測(cè)，以獲得所述待檢測(cè)圖像的缺陷檢測(cè)結(jié)果；

74、模型訓(xùn)練模塊，與所述檢測(cè)模塊連接，用于訓(xùn)練得到所述缺陷檢測(cè)模型，包括：

75、源域數(shù)據(jù)獲取單元，用于獲取源域圖像和相應(yīng)的缺陷標(biāo)注，并獲取經(jīng)所述源域圖像和相應(yīng)的缺陷標(biāo)注訓(xùn)練得到的基線模型；

76、目標(biāo)域數(shù)據(jù)獲取單元，用于獲取目標(biāo)域圖像，其中，源域和目標(biāo)域?yàn)椴煌某上駡?chǎng)景，所述不同的成像場(chǎng)景指不同的被測(cè)物體和/或不同的成像條件；所述目標(biāo)域圖像中的部分或全部具有相應(yīng)的缺陷標(biāo)注，或者均不具有相應(yīng)的缺陷標(biāo)注，若所述目標(biāo)域圖像中的部分或全部具有相應(yīng)的缺陷標(biāo)注，則獲取具有相應(yīng)的缺陷標(biāo)注的目標(biāo)域圖像的缺陷標(biāo)注；

77、去噪單元，與所述源域數(shù)據(jù)獲取單元連接，用于將所述源域圖像的缺陷標(biāo)注輸入可學(xué)習(xí)的去噪器得到去噪標(biāo)注；

78、偽標(biāo)注生成單元，與所述目標(biāo)域數(shù)據(jù)獲取單元連接，用于若存在不具有相應(yīng)的缺陷標(biāo)注的目標(biāo)域圖像，則將其輸入初始基線模型得到第二目標(biāo)域預(yù)測(cè)結(jié)果，并對(duì)所述不具有相應(yīng)的缺陷標(biāo)注的目標(biāo)域圖像進(jìn)行數(shù)據(jù)擴(kuò)充操作得到第二目標(biāo)域擴(kuò)充圖像，將所述第二目標(biāo)域預(yù)測(cè)結(jié)果作為所述第二目標(biāo)域擴(kuò)充圖像相應(yīng)的偽標(biāo)注；

79、訓(xùn)練單元，與所述源域數(shù)據(jù)獲取單元、目標(biāo)域數(shù)據(jù)獲取單元、去噪單元和偽標(biāo)注生成單元連接，用于利用所述源域圖像和相應(yīng)的去噪標(biāo)注，以及具有相應(yīng)的缺陷標(biāo)注的目標(biāo)域圖像和相應(yīng)的缺陷標(biāo)注和/或所述第二目標(biāo)域擴(kuò)充圖像和相應(yīng)的偽標(biāo)注，對(duì)所述基線模型和所述去噪器進(jìn)行訓(xùn)練；

80、所述缺陷檢測(cè)模型為訓(xùn)練結(jié)束時(shí)獲得的基線模型；所述初始基線模型為訓(xùn)練前獲取的參數(shù)未更新的基線模型。

81、根據(jù)第四方面，一種實(shí)施例中提供一種模型遷移裝置，用于將從源域獲得的基線模型遷移至目標(biāo)域得到遷移模型，所述模型遷移裝置包括：

82、源域數(shù)據(jù)獲取單元，用于獲取源域圖像和相應(yīng)的標(biāo)注，并獲取經(jīng)所述源域圖像和相應(yīng)的標(biāo)注訓(xùn)練得到的所述基線模型；

83、目標(biāo)域數(shù)據(jù)獲取單元，用于獲取目標(biāo)域圖像，所述目標(biāo)域圖像中的部分或全部具有相應(yīng)的標(biāo)注，或者均不具有相應(yīng)的標(biāo)注，若所述目標(biāo)域圖像中的部分或全部具有相應(yīng)的標(biāo)注，則獲取具有相應(yīng)的標(biāo)注的目標(biāo)域圖像的標(biāo)注；

84、去噪單元，與所述源域數(shù)據(jù)獲取單元連接，用于將所述源域圖像的標(biāo)注輸入可學(xué)習(xí)的去噪器得到去噪標(biāo)注；

85、偽標(biāo)注生成單元，與所述目標(biāo)域數(shù)據(jù)獲取單元連接，用于若存在不具有相應(yīng)的標(biāo)注的目標(biāo)域圖像，則將其輸入初始基線模型得到第二目標(biāo)域預(yù)測(cè)結(jié)果，并對(duì)所述不具有相應(yīng)的標(biāo)注的目標(biāo)域圖像進(jìn)行數(shù)據(jù)擴(kuò)充操作得到第二目標(biāo)域擴(kuò)充圖像，將所述第二目標(biāo)域預(yù)測(cè)結(jié)果作為所述第二目標(biāo)域擴(kuò)充圖像相應(yīng)的偽標(biāo)注；

86、訓(xùn)練單元，與所述源域數(shù)據(jù)獲取單元、目標(biāo)域數(shù)據(jù)獲取單元、去噪單元和偽標(biāo)注生成單元連接，用于利用所述源域圖像和相應(yīng)的去噪標(biāo)注，以及具有相應(yīng)的標(biāo)注的目標(biāo)域圖像和相應(yīng)的標(biāo)注和/或所述第二目標(biāo)域擴(kuò)充圖像和相應(yīng)的偽標(biāo)注，對(duì)所述基線模型和所述去噪器進(jìn)行訓(xùn)練；

87、所述遷移模型為訓(xùn)練結(jié)束時(shí)獲得的基線模型；所述初始基線模型為訓(xùn)練前獲取的參數(shù)未更新的基線模型。

88、根據(jù)第五方面，一種實(shí)施例中提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述介質(zhì)上存儲(chǔ)有程序，所述程序能夠被處理器執(zhí)行以實(shí)現(xiàn)上述任一實(shí)施例的缺陷檢測(cè)方法或任一實(shí)施例的模型遷移方法。

89、根據(jù)第五方面，一種實(shí)施例中提供一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序和/或指令，所述計(jì)算機(jī)程序和/或指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述任一實(shí)施例的缺陷檢測(cè)方法或任一實(shí)施例的模型遷移方法。

90、本發(fā)明的技術(shù)方案，結(jié)合源域圖像和目標(biāo)域圖像對(duì)基線模型進(jìn)行從源域到目標(biāo)域的遷移訓(xùn)練，其中基線模型在源域中經(jīng)過訓(xùn)練；源域圖像具有相應(yīng)的標(biāo)注，將源域圖像的標(biāo)注輸入可學(xué)習(xí)的去噪器得到去噪標(biāo)注；目標(biāo)域圖像可以全部具有相應(yīng)的標(biāo)注或者部分具有相應(yīng)的標(biāo)注或者全部不具有相應(yīng)的標(biāo)注，對(duì)于不具有標(biāo)注的目標(biāo)域圖像，則利用基線模型生成偽標(biāo)注；綜合利用源域圖像和相應(yīng)的去噪標(biāo)注，以及目標(biāo)域圖像和相應(yīng)的標(biāo)注/偽標(biāo)注，對(duì)基線模型和去噪器進(jìn)行訓(xùn)練，實(shí)現(xiàn)將基線模型遷移至目標(biāo)域，能以少量的帶標(biāo)注的目標(biāo)域圖像完成訓(xùn)練，實(shí)現(xiàn)模型的快速遷移，解決目標(biāo)域圖像不足的情況下模型遷移性能差的問題。另一方面，本發(fā)明將源域到目標(biāo)域的域適應(yīng)過程，視為“去噪”問題進(jìn)行解決，將源域圖像建模為目標(biāo)域圖像的噪聲樣本，通過設(shè)計(jì)標(biāo)注去噪器對(duì)源域圖像的標(biāo)注進(jìn)行“去噪”，使得源域圖像匹配目標(biāo)域圖像。并且本發(fā)明的技術(shù)方案通過對(duì)無標(biāo)注的目標(biāo)域圖像生成相應(yīng)的偽標(biāo)注，能夠適應(yīng)目標(biāo)域圖像全部有標(biāo)注、部分有標(biāo)注和全部無標(biāo)注的情況，能夠針對(duì)輸入的目標(biāo)域圖像的標(biāo)注情況，自適應(yīng)地利用目標(biāo)域圖像和相應(yīng)的標(biāo)注/偽標(biāo)注進(jìn)行模型遷移訓(xùn)練，提高了使用靈活性，拓寬了使用場(chǎng)景。