公开(公告)号：CN117474797A

公开(公告)日：2024-01-30

申请号：CN202311832535.0

申请日：2023-12-28

Applicant: 南京信息工程大学

Inventor： 江结林 ,  史明月 ,  刘西应 ,  陈亚当 ,  赵英男

IPC: G06T5/70 ,  G06T5/50 ,  G06T5/60 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种多尺度互补学习的图像去噪方法及装置，方法包括：步骤1：图像预处理之后得到标准化的基层和细节层；步骤2：将细节层输入细节特征学习分支得到第一个图像细节特征；步骤3：将细节层输入噪声学习分支得到第二个图像细节特征；步骤4：融合两个分支学习得到的图像细节特征；步骤5：将最终的图像细节特征和基层相加得到去噪后的图像；步骤6：计算损失并迭代训练，重复步骤2至步骤5并保存最优去噪模型；步骤7：将测试图像输入保存好的去噪模型进行测试。当噪声水平越高时，去噪模型的去噪效果越好，使噪声的去除和细节的保留之间达到良好的平衡。同时只使用了细节层参与去噪模型训练，极大减少了计算量。

公开(公告)号：CN116416229A

公开(公告)日：2023-07-11

申请号：CN202310316062.2

申请日：2023-03-28

Applicant: 南京信息工程大学

Inventor： 刘西应 ,  江结林 ,  颜佩漪 ,  吴金涛 ,  赵英男

IPC: G06T7/00 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明公开了一种双分支图像异常检测方法、装置、设备及介质，其方法包括：获取待检测图像，对待检测图像进行预处理；将预处理后的待检测图像输入训练好的异常检测模型，获取异常得分；根据异常得分判断待检测图像为异常图像或正常图像；其中，所述异常检测模型的训练包括：获取预设数量的样本图像，对样本图像进行旋转拓展和预处理；构建异常检测模型，所述异常检测模型包括可见异常分支和不可见异常分支；通过旋转拓展和预处理后的样本图像对异常检测模型进行训练；本发明能够对不同种类的工业图像都拥有良好的适配性，可以高效完成异常检测任务，同时计算量较低。

公开(公告)号：CN118470014A

公开(公告)日：2024-08-09

申请号：CN202410925191.6

申请日：2024-07-11

Applicant: 南京信息工程大学

Inventor： 江洁林 ,  魏顺 ,  刘西应 ,  许小龙 ,  吴金涛

IPC: G06T7/00 ,  G06V10/25 ,  G06V10/44 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明公开了一种工业异常检测方法及系统，包括：获取待异常检测的图像；根据获取的图像，基于预训练好的异常检测模型，对异常进行检测定位；所述异常检测模型包括：骨干网络、池化层、级联流、双子流以及恒定流；所述级联流包含若干依次排列的流块。本发明使得异常数据特征与正常数据特征之间有更加明显的区别，进而提升定位异常的效果。

公开(公告)号：CN117474797B

公开(公告)日：2024-03-19

申请号：CN202311832535.0

申请日：2023-12-28

Applicant: 南京信息工程大学

Inventor： 江结林 ,  史明月 ,  刘西应 ,  陈亚当 ,  赵英男

IPC: G06T5/70 ,  G06T5/50 ,  G06T5/60 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种多尺度互补学习的图像去噪方法及装置，方法包括：步骤1：图像预处理之后得到标准化的基层和细节层；步骤2：将细节层输入细节特征学习分支得到第一个图像细节特征；步骤3：将细节层输入噪声学习分支得到第二个图像细节特征；步骤4：融合两个分支学习得到的图像细节特征；步骤5：将最终的图像细节特征和基层相加得到去噪后的图像；步骤6：计算损失并迭代训练，重复步骤2至步骤5并保存最优去噪模型；步骤7：将测试图像输入保存好的去噪模型进行测试。当噪声水平越高时，去噪模型的去噪效果越好，使噪声的去除和细节的保留之间达到良好的平衡。同时只使用了细节层参与去噪模型训练，极大减少了计算量。

公开(公告)号：CN117058450A

公开(公告)日：2023-11-14

申请号：CN202311012204.2

申请日：2023-08-10

Applicant: 南京信息工程大学

Inventor： 刘西应 ,  江结林 ,  颜佩漪 ,  许小龙 ,  吴金涛

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于自适应掩码重构的异常检测方法及装置，该方法对于输入图片，通过策略添加异常部位后，使用自适应选择的掩码分别遮掩其三分之一，得到三张带有掩码的残差图，将这三张残差图分别进行重构后，得到三张重构后的图片，选择与输入图差别最大的图片作为最终的重构图片，再进行异常检测。本发明可以有效提高异常检测的准确度，同时提高异常定位的准确性。