-
公开(公告)号：CN114863098B
公开(公告)日：2024-07-19
申请号：CN202210397331.8
申请日：2022-04-15
申请人： 华中科技大学
IPC分类号： G06V10/26 , G06V10/40 , G06V10/80 , G06V10/764 , G06V10/82 , G06F18/2415 , G06N3/0464 , G06N3/0455 , G06N3/0985
摘要： 本发明公开了一种用于工业场景的细小微弱缺陷分割方法。所述方法包括以下步骤：利用深度卷积神经网络特征编码器对RGB图像进行多尺度特征提取来适应不同尺度的缺陷；特征解码器对特征编码器提取的多尺度图像特征进行融合上采样以尽可能保留细节信息，得到高分辨率高区分力的图像特征图；基于融合后的图像特征图，采用分类器对图像进行逐像素二分类，将图像中所有像素划分为正常像素和缺陷像素两类。本方法提出了一种将正常像素与缺陷像素损失平衡的目标函数，使模型更有效学习到细小微弱缺陷特征，大幅减少了对工业场景下细小微弱缺陷的漏检，实现了更准确的缺陷像素级分割。
-
公开(公告)号：CN112634289A
公开(公告)日：2021-04-09
申请号：CN202011585360.4
申请日：2020-12-28
申请人： 华中科技大学
摘要： 本发明公开了一种基于非对称空洞卷积的快速可行域分割方法：对单目相机采集的图像进行多尺度图像特征提取，在最后一个卷积块使用非对称空洞卷积块消除局部噪声，获得具有区分力的表征；特征解码模块对特征编码器提取的多尺度图像特征进行逐点融合，得到高分辨率的高区分力的图像特征图；采用分类器基于融合后的图像特征，预测输出图像场景中的可行域分割结果，将图像中的所有像素划分为可行驶区域和不可行驶区域两类。本发明引入了一种全新的非对称空洞卷积模块来提高特征的区分力，大幅减少对不可行驶道路的误判，并且没有引入额外的计算量。基于轻量化的模块和网络设计，在保证精度的前提下，实现了对可行域的快速分割。
-
公开(公告)号：CN114863098A
公开(公告)日：2022-08-05
申请号：CN202210397331.8
申请日：2022-04-15
申请人： 华中科技大学
摘要： 本发明公开了一种用于工业场景的细小微弱缺陷分割方法。所述方法包括以下步骤：利用深度卷积神经网络特征编码器对RGB图像进行多尺度特征提取来适应不同尺度的缺陷；特征解码器对特征编码器提取的多尺度图像特征进行融合上采样以尽可能保留细节信息，得到高分辨率高区分力的图像特征图；基于融合后的图像特征图，采用分类器对图像进行逐像素二分类，将图像中所有像素划分为正常像素和缺陷像素两类。本方法提出了一种将正常像素与缺陷像素损失平衡的目标函数，使模型更有效学习到细小微弱缺陷特征，大幅减少了对工业场景下细小微弱缺陷的漏检，实现了更准确的缺陷像素级分割。
-
公开(公告)号：CN112712011B
公开(公告)日：2022-05-06
申请号：CN202011583490.4
申请日：2020-12-28
申请人： 华中科技大学
IPC分类号： G06V20/58 , G06V10/80 , G06V10/74 , G06V10/764 , G06V10/44 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种基于边界细节补偿和相似特征强化的实时道路检测方法，包括：采用多尺度图像特征提取器对单目相机采集的单帧图像进行多尺度图像特征提取；采用边界细节补偿模块对提取的多尺度图像特征进行融合，得到道路边界细节补偿后的高层语义图像特征；采用相似特征强化模块对得到的道路边界细节补偿后的高层语义图像特征进行基于相似度的局部特征聚合；道路检测，采用第一分类器基于输出的强化图像特征图，输出所述单帧图像场景中的道路检测结果。该方法通过边界细节补偿模块和相似特征强化模块，解决了轻量级特征提取器道路边界预测不准确和在复杂场景条件下易产生道路误检和漏检的问题，提高了道路检测网络的实时性、鲁棒性和准确性。
-
公开(公告)号：CN114170599A
公开(公告)日：2022-03-11
申请号：CN202111523499.0
申请日：2021-12-14
申请人： 华中科技大学
摘要： 本发明公开了一种基于蒸馏比较的异常物体分割方法：在无异常训练集上，训练一个语义分割网络，移除语义分类头后作为教师分支；固定教师分支参数，利用语义特征分布蒸馏获得与教师分支结构相似的学生分支。两分支的输出在正常类上保持一致，在异常类上不一致。输入带异常测试图像，两分支分别对图像进行多尺度特征提取和聚合，提取的语义特征逐位置进行比较得到异常分数图，异常分数图双线性插值取阈值将图像中的所有像素划分为正常和异常两类。本方法引入了一种全新的简单灵活的蒸馏比较网络来进行异常物体分割，在推理阶段没有利用语义分类头的结果，大幅减少了对语义分割错误的正常类别像素的误判，实现了更准确的异常物体分割。
-
公开(公告)号：CN112712011A
公开(公告)日：2021-04-27
申请号：CN202011583490.4
申请日：2020-12-28
申请人： 华中科技大学
摘要： 本发明公开了一种基于边界细节补偿和相似特征强化的实时道路检测方法，包括：采用多尺度图像特征提取器对单目相机采集的单帧图像进行多尺度图像特征提取；采用边界细节补偿模块对提取的多尺度图像特征进行融合，得到道路边界细节补偿后的高层语义图像特征；采用相似特征强化模块对得到的道路边界细节补偿后的高层语义图像特征进行基于相似度的局部特征聚合；道路检测，采用第一分类器基于输出的强化图像特征图，输出所述单帧图像场景中的道路检测结果。该方法通过边界细节补偿模块和相似特征强化模块，解决了轻量级特征提取器道路边界预测不准确和在复杂场景条件下易产生道路误检和漏检的问题，提高了道路检测网络的实时性、鲁棒性和准确性。
-
公开(公告)号：CN114170599B
公开(公告)日：2024-08-23
申请号：CN202111523499.0
申请日：2021-12-14
申请人： 华中科技大学
摘要： 本发明公开了一种基于蒸馏比较的异常物体分割方法：在无异常训练集上，训练一个语义分割网络，移除语义分类头后作为教师分支；固定教师分支参数，利用语义特征分布蒸馏获得与教师分支结构相似的学生分支。两分支的输出在正常类上保持一致，在异常类上不一致。输入带异常测试图像，两分支分别对图像进行多尺度特征提取和聚合，提取的语义特征逐位置进行比较得到异常分数图，异常分数图双线性插值取阈值将图像中的所有像素划分为正常和异常两类。本方法引入了一种全新的简单灵活的蒸馏比较网络来进行异常物体分割，在推理阶段没有利用语义分类头的结果，大幅减少了对语义分割错误的正常类别像素的误判，实现了更准确的异常物体分割。
-
公开(公告)号：CN112634289B
公开(公告)日：2022-05-27
申请号：CN202011585360.4
申请日：2020-12-28
申请人： 华中科技大学
摘要： 本发明公开了一种基于非对称空洞卷积的快速可行域分割方法：对单目相机采集的图像进行多尺度图像特征提取，在最后一个卷积块使用非对称空洞卷积块消除局部噪声，获得具有区分力的表征；特征解码模块对特征编码器提取的多尺度图像特征进行逐点融合，得到高分辨率的高区分力的图像特征图；采用分类器基于融合后的图像特征，预测输出图像场景中的可行域分割结果，将图像中的所有像素划分为可行驶区域和不可行驶区域两类。本发明引入了一种全新的非对称空洞卷积模块来提高特征的区分力，大幅减少对不可行驶道路的误判，并且没有引入额外的计算量。基于轻量化的模块和网络设计，在保证精度的前提下，实现了对可行域的快速分割。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.021 秒)
