-
公开(公告)号：CN106407978B
公开(公告)日：2020-10-30
申请号：CN201610849174.4
申请日：2016-09-24
Applicant: 上海大学
IPC: G06K9/32
Abstract: 本发明公开了一种结合似物度的无约束视频中显著物体检测方法，具体步骤如下：(1)输入原始视频序列，对其中的第帧记为；(2)对于视频帧，利用视频显著性模型、似物性的对象检测算法，得到初始的显著对象检测的矩形区域；(3)对于视频帧，通过迭代更新似物度概率图和对象概率图，不断调整显著对象检测的矩形区域大小，得到单帧的显著对象检测结果；(4)利用稠密光流法算法，得到视频帧的像素点的运动矢量场，计算相邻帧显著对象检测的矩形区域的重叠度，得到最终的显著对象检测结果。本发明通过迭代更新似物度概率图和对象概率图，增强空域显著对象检测结果的准确性；利用序列级的细化，增强了时间的一致性，能够更准确、完整地检测视频中的显著对象。
-
公开(公告)号：CN109215009A
公开(公告)日：2019-01-15
申请号：CN201710513760.6
申请日：2017-06-29
Applicant: 上海金艺检测技术有限公司 , 上海大学
CPC classification number: G06T7/0004 , G06K9/6256 , G06K9/6267 , G06T7/13 , G06T7/60 , G06T7/62 , G06T2207/20021 , G06T2207/20081 , G06T2207/20084 , G06T2207/30116
Abstract: 本发明公开了一种基于深度卷积神经网络的连铸坯表面图像缺陷检测方法，本方法首先对已知连铸坯图像进行图像块预处理，得到缺陷样本集和正常样本集，将图像块随机取四分之三作为训练集，其余为验证集和测试集；采用深度卷积神经网络对缺陷区域进行分类，并在设定参数下采用训练集和验证集训练网络，对测试集进行图像块分类模型测试，得到准确率高的图像块分类模型；对待检图像进行测试，规定图像中含有缺陷图像块为缺陷图像，采用图像块分类模型对该缺陷图像进行分类预测；对预测结果采用一定的算法判断其真伪，得到真缺陷图像。本方法有效提高了检测效率，减少人工工作量，方便缺陷数据的存储及追溯，确保了连铸坯的生产质量。
-
公开(公告)号：CN109215009B
公开(公告)日：2023-05-12
申请号：CN201710513760.6
申请日：2017-06-29
Applicant: 上海金艺检测技术有限公司 , 上海大学
IPC: G06T7/00 , G06T7/13 , G06T7/60 , G06T7/62 , G06V10/764 , G06V10/774
Abstract: 本发明公开了一种基于深度卷积神经网络的连铸坯表面图像缺陷检测方法，本方法首先对已知连铸坯图像进行图像块预处理，得到缺陷样本集和正常样本集，将图像块随机取四分之三作为训练集，其余为验证集和测试集；采用深度卷积神经网络对缺陷区域进行分类，并在设定参数下采用训练集和验证集训练网络，对测试集进行图像块分类模型测试，得到准确率高的图像块分类模型；对待检图像进行测试，规定图像中含有缺陷图像块为缺陷图像，采用图像块分类模型对该缺陷图像进行分类预测；对预测结果采用一定的算法判断其真伪，得到真缺陷图像。本方法有效提高了检测效率，减少人工工作量，方便缺陷数据的存储及追溯，确保了连铸坯的生产质量。
-
公开(公告)号：CN106407978A
公开(公告)日：2017-02-15
申请号：CN201610849174.4
申请日：2016-09-24
Applicant: 上海大学
IPC: G06K9/32
CPC classification number: G06K9/3233
Abstract: 本发明公开了一种结合似物度的无约束视频中显著物体检测方法，具体步骤如下：(1)输入原始视频序列 ，对其中的第帧记为 ；(2)对于视频帧 ，利用视频显著性模型、似物性的对象检测算法，得到初始的显著对象检测的矩形区域；(3)对于视频帧，通过迭代更新似物度概率图和对象概率图，不断调整显著对象检测的矩形区域大小，得到单帧的显著对象检测结果；(4)利用稠密光流法算法，得到视频帧的像素点的运动矢量场，计算相邻帧显著对象检测的矩形区域的重叠度，得到最终的显著对象检测结果。本发明通过迭代更新似物度概率图和对象概率图，增强空域显著对象检测结果的准确性；利用序列级的细化，增强了时间的一致性，能够更准确、完整地检测视频中的显著对象。
-
-
-
Search Results
4
records
(took 0.013 seconds)
