[发明专利]一种基于电子样稿的柔印首件检测方法

权利要求书

1.一种基于电子样稿的柔印首件检测方法，其特征在于，包括以下步骤：

S1：提取电子样稿和柔印首件的超点得到二者的关键点位置和视觉特征描述子，并完成电子样稿和柔印首件的粗匹配；

S2：对完成步骤S1中粗匹配的电子样稿和柔印首件进行精匹配；

S3：对完成步骤S2中精匹配的柔印首件进行缺陷检测。

2.根据权利要求1所述的基于电子样稿的柔印首件检测方法，其特征在于，所述步骤S1中，采用SuperPoint自监督网络提取电子样稿和柔印首件的超点。

3.根据权利要求2所述的基于电子样稿的柔印首件检测方法，其特征在于，所述SuperPoint自监督网络的训练过程是：

S11：以VGG16作为基础检测器，训练网络参数提取几何形状角点；

S12：兴趣点标注，采用步骤S11中预训练的基础检测网络分别提取柔印首件和电子样稿的角点，进行兴趣点标注；

S13：对步骤S12中的柔印首件和电子样稿分别进行N次单应性变换，并通过基础检测器分别标注变换后各图像的兴趣点；随机取次图像，每次由抽取的两种不同姿态的兴趣点构建损失函数，以其中一种姿态的兴趣点自标注作为真值，另一种姿态作为观察结果，构建出兴趣点损失函数和描述子损失函数，训练目标需使得匹配点距离小，非匹配点距离大，联合训练后得到SuperPoint检测网络并完成SuperPoint检测。

4.根据权利要求3所述的基于电子样稿的柔印首件检测方法，其特征在于，由于电子样稿和柔印首件的虚拟几何形状的角点是已知的，将其直接作为标注的数据集去训练基础检测器。

5.根据权利要求4所述的基于电子样稿的柔印首件检测方法，其特征在于，由于电子样稿和柔印首件之间存在大量重复的内容信息会造成大量的匹配冗余，使用引入注意力机制的GNN网络并结合分配优化求解方式来解决匹配冗余，GNN网络采用端到端的训练方式经过以下步骤完成匹配：

1)、输入电子样稿和柔印首件分别对应的第I个视觉特征描述子和以及坐标位置和

2)、GNN网络首先使用Keypoint编码器分别将关键点位置和以及视觉描述符和映射到图中的节点信息，然后使用自我和交叉注意力作为边将图层的节点信息聚合得到超特征f_l^F和f_l^R；

3)、最终根据超特征计算得分矩阵，经过Sinkhorn算法迭代优化输出行列归一化的分配矩阵。将分配矩阵每列最大值横、纵坐标对应的特征点对作为匹配点对进行仿射变换，完成电子样稿和柔印首件的粗匹配。