-
公开(公告)号：CN115564749A
公开(公告)日：2023-01-03
申请号：CN202211294135.4
申请日：2022-10-21
Applicant: 华中科技大学
Abstract: 本发明属于图像处理领域，并公开了一种基于终身学习的多类别纹理表面缺陷检测模型的构建方法。整个模型以新提出的自适应卷积/反卷积模块为基础模块，具体地，自适应卷积/反卷积模块为每个类别设置独立的卷积核/反卷积核掩膜，用于分配权重衡量模型参数与当前训练类别的相关性，并通过卷积核/反卷积核掩膜设置参数剪枝和冷冻操作，参数剪枝保证了模型在后续类别训练时，仍然有足够多的参数可以用于新类别的训练，从而更好地拟合新任务；参数冷冻保证了模型在已训练类别上的知识记忆，允许相似类别的模型参数重叠，在旧任务测试时仍然具备较高的精度。从而，使模型具备终身学习的能力，实现单个模型的多类别纹理表面缺陷检测。
-
公开(公告)号：CN114972216A
公开(公告)日：2022-08-30
申请号：CN202210507405.9
申请日：2022-05-10
Applicant: 华中科技大学
Abstract: 本发明属于图像处理领域，并公开了一种纹理表面缺陷检测模型的构建方法及其应用。本发明构建的检测模型除了包括常规的特征提取模块和分割模块，还包括两个新提出的模块：特征分离提取模块和全局语义关系模块。通过特征分离提取模块将纹理语义信息和缺陷语义信息从初步提取到的特征中分解出来，避免这两类语义信息耦合在一起对最终的分割产生不良影响；同时利用全局语义关系模块在特征分离提取后，建立全局语义信息相关关系，捕获全局上下文信息，以此增强纹理特征和缺陷特征的表达能力。进行检测时，只需将纹理分割结果和缺陷分割结果进行加权平均，即可检测出缺陷。如此，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分割精度。
-
公开(公告)号：CN117576079A
公开(公告)日：2024-02-20
申请号：CN202311729437.4
申请日：2023-12-15
Applicant: 华中科技大学
Abstract: 本发明公开了一种工业产品表面异常检测方法、装置及系统，属于工业产品异常检测领域，包括：构建包括特征提取器、特征优化模块和正负特征向量对生成模块的网络模型；特征提取器用于提取多尺度特征；特征优化模块分别从单尺度和多尺度角度提炼特征，增强多尺度特征信息交互，应对不同尺度的缺陷区域，最终按照最浅层特征的分辨率对不同特征图进行上采样，并融合一定的位置信息；正负特征对生成模块分别从图像和特征角度生成正负特征向量对；利用正常图像构成的训练集对网络模型进行训练，训练损失包括聚类损失和分离损失，保证特征记忆库中的标称特征足以区分正常和异常的特征向量。本发明能够克服域漂移问题，实现像素级的工业产品表面异常检测。
-
公开(公告)号：CN114972216B
公开(公告)日：2024-09-06
申请号：CN202210507405.9
申请日：2022-05-10
Applicant: 华中科技大学
Abstract: 本发明属于图像处理领域，并公开了一种纹理表面缺陷检测模型的构建方法及其应用。本发明构建的检测模型除了包括常规的特征提取模块和分割模块，还包括两个新提出的模块：特征分离提取模块和全局语义关系模块。通过特征分离提取模块将纹理语义信息和缺陷语义信息从初步提取到的特征中分解出来，避免这两类语义信息耦合在一起对最终的分割产生不良影响；同时利用全局语义关系模块在特征分离提取后，建立全局语义信息相关关系，捕获全局上下文信息，以此增强纹理特征和缺陷特征的表达能力。进行检测时，只需将纹理分割结果和缺陷分割结果进行加权平均，即可检测出缺陷。如此，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分割精度。
-
-
-
Search Results
4
records
(took 0.025 seconds)
