-
公开(公告)号:CN110516694B
公开(公告)日:2022-04-12
申请号:CN201910607816.3
申请日:2019-07-05
Applicant: 福州大学
IPC: G06K9/62 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/04 , G01N21/88
Abstract: 本发明涉及一种基于代价敏感学习的排水管道缺陷自动检测方法,包括:构建排水管道数据集;估算每种错误分类带来的损失,构建代价矩阵;通过代价矩阵构建置信度向量;基于置信度向量构建代价敏感的卷积神经网络;并使用管道数据集训练代价敏感的卷积神经网络。使用训练好的网络对待识别的图像进行识别,得到图像中包含缺陷的概率。基于代价矩阵构建的代价敏感的卷积神经网络能够以最小化代价为目标而不是盲目地追求分类精度,从而实现更为经济,有效的排水管道缺陷自动检测系统。
-
公开(公告)号:CN110516694A
公开(公告)日:2019-11-29
申请号:CN201910607816.3
申请日:2019-07-05
Applicant: 福州大学
Abstract: 本发明涉及一种基于代价敏感学习的排水管道缺陷自动检测方法,包括:构建排水管道数据集;估算每种错误分类带来的损失,构建代价矩阵;通过代价矩阵构建置信度向量;基于置信度向量构建代价敏感的卷积神经网络;并使用管道数据集训练代价敏感的卷积神经网络。使用训练好的网络对待识别的图像进行识别,得到图像中包含缺陷的概率。基于代价矩阵构建的代价敏感的卷积神经网络能够以最小化代价为目标而不是盲目地追求分类精度,从而实现更为经济,有效的排水管道缺陷自动检测系统。
-
公开(公告)号:CN110930377B
公开(公告)日:2022-05-13
申请号:CN201911125639.1
申请日:2019-11-18
Applicant: 福州大学
IPC: G06T7/00
Abstract: 本发明涉及一种基于多任务学习的排水管道异常类型自动检测方法。首先通过分析管道缺陷深度特征信息将特征空间存在重叠的类别划分到同一分组中;然后基于分组情况构建多任务学习深度神经网络,该网络将分类任务划分为两级任务,高级分类任务尝试区分不同分组的缺陷图像,低级任务拥有多个子任务,分别用于着重区分组内具有相似特征空间的缺陷类型,最终的缺陷分类结果来自条件概率。本发明通过引入多任务学习策略使得模型能够减少特征空间重叠带来的精度损失,提升模型的检测精度,从而实现更为有效的排水管道缺陷自动检测系统。
-
公开(公告)号:CN110598792A
公开(公告)日:2019-12-20
申请号:CN201910868563.5
申请日:2019-09-16
Applicant: 福州大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于PGGAN迁移学习的排水管道缺陷检测训练数据生成方法,考虑通过生成对抗网络生成排水管道缺陷检测训练数据,需要大规模的数据集训练,现有的数据集不满足要求。为了能够减少训练集数据量,在现有的数据集上训练生成对抗网络,本发明在渐进式生成对抗网络中引入迁移学习,充分利用已有的数据先进行预训练,再在目标缺陷类数据上进行微调。微调后的模型可以生成质量更好的排水管道缺陷检测训练数据。
-
公开(公告)号:CN110598792B
公开(公告)日:2022-10-14
申请号:CN201910868563.5
申请日:2019-09-16
Applicant: 福州大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于PGGAN迁移学习的排水管道缺陷检测训练数据生成方法,考虑通过生成对抗网络生成排水管道缺陷检测训练数据,需要大规模的数据集训练,现有的数据集不满足要求。为了能够减少训练集数据量,在现有的数据集上训练生成对抗网络,本发明在渐进式生成对抗网络中引入迁移学习,充分利用已有的数据先进行预训练,再在目标缺陷类数据上进行微调。微调后的模型可以生成质量更好的排水管道缺陷检测训练数据。
-
公开(公告)号:CN110930377A
公开(公告)日:2020-03-27
申请号:CN201911125639.1
申请日:2019-11-18
Applicant: 福州大学
IPC: G06T7/00
Abstract: 本发明涉及一种基于多任务学习的排水管道异常类型自动检测方法。首先通过分析管道缺陷深度特征信息将特征空间存在重叠的类别划分到同一分组中;然后基于分组情况构建多任务学习深度神经网络,该网络将分类任务划分为两级任务,高级分类任务尝试区分不同分组的缺陷图像,低级任务拥有多个子任务,分别用于着重区分组内具有相似特征空间的缺陷类型,最终的缺陷分类结果来自条件概率。本发明通过引入多任务学习策略使得模型能够减少特征空间重叠带来的精度损失,提升模型的检测精度,从而实现更为有效的排水管道缺陷自动检测系统。
-
-
-
-
-