[发明专利]超参数搜索方法、装置、计算机设备和存储介质

权利要求书

1.一种超参数搜索方法，其特征在于，所述方法包括：

获取数据集，所述数据集包含若干工业场景下存在视觉缺陷的样本图像，每一样本图像对应有缺陷信息；所述缺陷信息包括缺陷类别、缺陷总面积、缺陷数量和每一样本图像中每一缺陷的面积；

根据所述数据集中的样本图像及对应的缺陷信息，确定所述数据集的特征参数；所述特征参数包括样本图像尺寸、样本图像能量均值、样本图像像素值均值、样本图像的显著性区域占全图的比例、样本图像缺陷类别数量均值、样本图像缺陷面积占全图的比例、样本图像缺陷数量均值、样本图像最大缺陷面积占全图的比例和样本图像最小缺陷面积占全图的比例；

根据所述特征参数，确定语义分割模型的搜索空间和所述语义分割模型的模型类别；所述语义分割模型用于进行缺陷检测；所述语义分割模型的模型类别用于确定所述语义分割模型进行缺陷检测时所采用的算法；

所述根据所述特征参数，确定语义分割模型的搜索空间和所述语义分割模型的模型类别，包括：

将所述特征参数输入至预设模型，输出所述语义分割模型的所有待搜索超参数中每一超参数的搜索空间的中值和所述语义分割模型的模型类别；

根据每一超参数的搜索空间的中值，确定每一超参数的取值范围；

依据每一超参数的取值范围，确定所述搜索空间；

根据所述搜索空间和所述语义分割模型的模型类别，确定所述语义分割模型的超参数。

2.根据权利要求1所述的方法，其特征在于，所述根据所述数据集中的样本图像及对应的缺陷信息，确定所述数据集的特征参数，包括：

获取数据集中每一样本图像的像素点数量，根据每一样本图像的像素点数量和数据集的样本图像数量，确定样本图像尺寸；

获取每一样本图像的能量图，根据每一样本图像的能量图和所述样本图像数量，确定样本图像能量均值；

根据每一样本图像中每一像素点的红色分量值、蓝色分量值和绿色分量值，确定每一样本图像对应的红色分量值、蓝色分量值和绿色分量值；根据每一样本图像对应的红色分量值、蓝色分量值和绿色分量值、以及每一样本图像的像素点数量，确定每一样本图像的红色分量均值、蓝色分量均值和绿色分量均值；根据每一样本图像的红色分量均值、蓝色分量均值和绿色分量均值、以及所述样本图像数量，确定样本图像像素值均值；

获取每一样本图像的显著性区域；根据每一样本图像的显著性区域、每一样本图像的图像面积和所述样本图像数量，确定样本图像的显著性区域占全图的比例；

根据每一样本图像对应的缺陷类别和所述样本图像数量，确定样本图像缺陷类别数量均值；

根据每一样本图像对应的缺陷总面积、每一样本图像的图像面积和所述样本图像数量，确定样本图像缺陷面积占全图的比例；

根据每一样本图像对应的缺陷数量和所述样本图像数量，确定样本图像缺陷数量均值；

从每一样本图像对应的每一缺陷的面积中获取最大的面积，根据最大的面积和所述最大面积对应的样本图像的图像面积，确定样本图像最大缺陷面积占全图的比例；

从每一样本图像对应的每一缺陷的面积中获取最小的面积，根据所述最小的面积和所述最小面积对应的样本图像的图像面积，确定样本图像最小缺陷面积占全图的比例。

3.根据权利要求1所述的方法，其特征在于，所述预设模型为2层多层感知机，所述根据所述特征参数，确定语义分割模型的搜索空间和所述语义分割模型的模型类别，包括：

将所述特征参数输入至所述2层多层感知机，所述2层多层感知机的第一支路输出所述语义分割模型的模型类别，所述2层多层感知机的第二支路输出所述语义分割模型的所有待搜索超参数中每一超参数的搜索空间的中值；

根据每一超参数的搜索空间的中值，确定每一超参数的取值范围；

依据每一超参数的取值范围，确定所述搜索空间。

4.根据权利要求1所述的方法，其特征在于，所述根据每一超参数的搜索空间的中值，确定每一超参数的取值范围，包括：

获取训练所述预设模型时的验证集拟合误差；

获取所述验证集拟合误差与预设倍数之间乘积；

将每一超参数的搜索空间的中值与所述乘积之间的差值，作为每一超参数的取值范围的下限值，将每一超参数的搜索空间的中值与所述乘积之间的和值，作为每一超参数的取值范围的上限值。