公开(公告)号：CN110378916A

公开(公告)日：2019-10-25

申请号：CN201910601332.8

申请日：2019-07-03

Applicant: 浙江大学

Inventor： 陈进 ,  薛振锋 ,  贾连辉 ,  孙伟 ,  林福龙 ,  刘之涛 ,  毛维杰

IPC: G06T7/12 ,  G06T7/181

Abstract: 本发明公开了一种基于多任务深度学习的TBM图像出渣分割方法。将原始图像数据集和分割标签数据集送入第一图像分割神经网络中训练；将原始图像数据集和边缘标签数据集送入第二图像分割神经网络中训练；对于待处理的TBM图像分别输入到训练后的两个图像分割神经网络中，获得掩膜，将两个网络的掩膜进行融合，然后再进行反卷积处理而生成分割结果图；进行后处理消除图像上的细小点，生成石块粒径分布图，实现TBM图像出渣分割。本发明引入了石块边缘子任务学习轮廓信息，最后将两个子任务的输出结果做掩膜融合，有效的分离出相互接触的石块，从而增多了检测到的石块数量。相比于单一任务深度学习分割算法，本发明的分割精度和准确度大大提高。

公开(公告)号：CN110378916B

公开(公告)日：2021-11-09

申请号：CN201910601332.8

申请日：2019-07-03

Applicant: 浙江大学

Inventor： 陈进 ,  薛振锋 ,  贾连辉 ,  孙伟 ,  林福龙 ,  刘之涛 ,  毛维杰

IPC: G06T7/12 ,  G06T7/181

Abstract: 本发明公开了一种基于多任务深度学习的TBM图像出渣分割方法。将原始图像数据集和分割标签数据集送入第一图像分割神经网络中训练；将原始图像数据集和边缘标签数据集送入第二图像分割神经网络中训练；对于待处理的TBM图像分别输入到训练后的两个图像分割神经网络中，获得掩膜，将两个网络的掩膜进行融合，然后再进行反卷积处理而生成分割结果图；进行后处理消除图像上的细小点，生成石块粒径分布图，实现TBM图像出渣分割。本发明引入了石块边缘子任务学习轮廓信息，最后将两个子任务的输出结果做掩膜融合，有效的分离出相互接触的石块，从而增多了检测到的石块数量。相比于单一任务深度学习分割算法，本发明的分割精度和准确度大大提高。