-
公开(公告)号：CN115100119A
公开(公告)日：2022-09-23
申请号：CN202210623977.3
申请日：2022-06-02
Applicant: 华中科技大学
Abstract: 本发明属于图像处理领域，并公开了一种基于异常特征分解与纹理背景转换的缺陷检测方法。该方法包括随机剪接模块、域特征交叉模块、对抗分割模块及隐空间约束模块，随机剪接模块用于人工异常样本的随机生成；域特征交叉模块分解背景特征和缺陷特征，隐式转换背景特征完成特征分离；隐空间约束模块将正常域与异常域背景特征进一步约束在公共空间中；像素级对抗分割模块通过像素级对抗学习机制，进一步提升纹理重构精度，还能直接分割出缺陷位置。进行检测时，一方面将输入图像与重构的纹理背景图像作差间接确定缺陷区域，另一方面在缺陷图中直接分割缺陷。如此，本发明对不同纹理表面上的不同大小、不同对比度的缺陷有较高的检测精度。
-
公开(公告)号：CN104317391B
公开(公告)日：2017-10-03
申请号：CN201410494445.X
申请日：2014-09-24
IPC: G06F3/01
Abstract: 本发明公开了一种基于立体视觉的三维手掌姿态识别方法和系统，属于计算机视觉和人机交互技术领域。本发明包括：使用立体视觉信息采集设备进行数据的采集，得到包括深度信息在内的三维数据；通过得到的三维数据对手掌进行分割，然后运用平面拟合，获得手掌在三维空间中的姿态；根据跟踪识别的手掌姿态，匹配预定义的标准手势，进行具体的三维应用，实现人机交互。本发明通过识别手掌的姿态，使得识别的精度更高，更少的出现误识别的操作，同时解决了一般基于指尖识别的高运算量的问题，实现了更加实时的人机互动功能，保证了交互的准确性和易用性。
-
Patent Agency Ranking
公开(公告)号：CN119359637A
公开(公告)日：2025-01-24
申请号：CN202411366758.7
申请日：2024-09-29
Applicant: 华中科技大学
IPC: G06T7/00 , G06T7/136 , G06V10/52 , G06V10/75 , G06V10/774 , G06V10/54 , G06V10/44 , G06V10/82 , G06V10/80 , G06N3/0455 , G06N3/0464 , G06N3/096
Abstract: 本发明属于图像处理相关技术领域，并公开了一种基于记忆力辅助蒸馏网络的纹理表面缺陷检测方法及系统。该方法包括下列步骤：获取多张待处理样本无缺陷图像，获取每张图像的多尺度特征和全局记忆力模板；将该全局记忆力模板和每张图像的多尺度特征进行特征融合，形成融合特征；以学生解码器对融合特征进行解码获得多尺度解码特征，以此训练获得最优的学生解码器；将待处理图像分别输入教师编码器和最优的学生解码器中获得多尺度特征和多尺度解码特征，计算异常分数图并进行图像处理陷图像，以此实现缺陷检测。通过本发明，实现在仅使用正常样本的情况下精确检测复杂工业环境下的各类纹理缺陷。
-
公开(公告)号：CN117635585A
公开(公告)日：2024-03-01
申请号：CN202311663492.8
申请日：2023-12-06
Applicant: 华中科技大学
IPC: G06T7/00 , G06V10/80 , G06V10/52 , G06V10/44 , G06V10/82 , G06V10/26 , G06N3/0464 , G06N3/0455 , G06N3/096 , G06N3/048
Abstract: 本发明属于图像处理领域，具体涉及一种基于教师‑学生网络的纹理表面缺陷检测方法，采用基于纹理表面缺陷图像所训练的包括学生网络和双分支解码模块的缺陷检测模型实现，包括：采用预训练教师网络以及学生网络分别对待检测图像编码；采用双分支解码模块，对由学生网络得到的多尺度特征中最深层尺度特征进行语义分割和特征恢复，对应得到缺陷分割图像以及与由教师网络所得到的多尺度特征具有相同多尺度的伪正常特征；计算每个尺度下的伪正常特征与由教师网络所得到的特征间的余弦相似度，以构建全局异常分数图；将缺陷分割图像和全局异常分数图进行融合，得到检测结果图像，完成缺陷检测。本发明针对复杂工业环境下各类纹理缺陷都能实现精确检测。
-
公开(公告)号：CN115100119B
公开(公告)日：2024-09-10
申请号：CN202210623977.3
申请日：2022-06-02
Applicant: 华中科技大学
Abstract: 本发明属于图像处理领域，并公开了一种基于异常特征分解与纹理背景转换的缺陷检测方法。该方法包括随机剪接模块、域特征交叉模块、对抗分割模块及隐空间约束模块，随机剪接模块用于人工异常样本的随机生成；域特征交叉模块分解背景特征和缺陷特征，隐式转换背景特征完成特征分离；隐空间约束模块将正常域与异常域背景特征进一步约束在公共空间中；像素级对抗分割模块通过像素级对抗学习机制，进一步提升纹理重构精度，还能直接分割出缺陷位置。进行检测时，一方面将输入图像与重构的纹理背景图像作差间接确定缺陷区域，另一方面在缺陷图中直接分割缺陷。如此，本发明对不同纹理表面上的不同大小、不同对比度的缺陷有较高的检测精度。
-
公开(公告)号：CN115619743A
公开(公告)日：2023-01-17
申请号：CN202211287562.X
申请日：2022-10-20
Applicant: 华中科技大学
Abstract: 本发明属于图像处理领域，具体涉及OLED新型显示器件表面缺陷检测模型的构建方法及其应用，模型包括对比分离模块和融合分割模块。训练阶段，首先生成异常样本；然后对比分离模块通过隐空间特征对比，学习从异常样本中分离出纹理背景图像和缺陷前景图像；最后融合分割模块以成对的纹理背景图像和人工异常样本作为输入，在编码阶段进行多尺度特征融合来聚集低维结构信息和高维语义信息，其整体与对比分离模块构成生成对抗模式，输出像素级分割结果，同时提高对比分离模块和自身的检测性能。测试阶段，将对比分离模块生成的缺陷前景图像与融合分割模块生成的缺陷分割图像进行融合得到检测结果。本发明的检测模型具备良好鲁棒性和高精度检测性能。
-
公开(公告)号：CN104317391A
公开(公告)日：2015-01-28
申请号：CN201410494445.X
申请日：2014-09-24
IPC: G06F3/01
CPC classification number: G06F3/017 , G06K9/00335
Abstract: 本发明公开了一种基于立体视觉的三维手掌姿态识别方法和系统，属于计算机视觉和人机交互技术领域。本发明包括：使用立体视觉信息采集设备进行数据的采集，得到包括深度信息在内的三维数据；通过得到的三维数据对手掌进行分割，然后运用平面拟合，获得手掌在三维空间中的姿态；根据跟踪识别的手掌姿态，匹配预定义的标准手势，进行具体的三维应用，实现人机交互。本发明通过识别手掌的姿态，使得识别的精度更高，更少的出现误识别的操作，同时解决了一般基于指尖识别的高运算量的问题，实现了更加实时的人机互动功能，保证了交互的准确性和易用性。
-
-
-
-
-
-
Search Results
7
records
(took 0.071 seconds)
