-
公开(公告)号：CN110570396A
公开(公告)日：2019-12-13
申请号：CN201910723845.6
申请日：2019-08-07
Applicant: 华中科技大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于深度学习的工业产品缺陷检测方法，属于计算机视觉和深度学习领域，所述方法包括：对原始工业产品图像进行像素级别的缺陷标注，并将原始工业产品图像及其对应的标注信息作为样本数据；对样本数据进行预处理和数据增强，得到训练集、测试集和验证集；构建缺陷检测网络；将所述训练集、测试集和验证集输入搭建好的缺陷检测网络进行训练，得到训练好的缺陷检测模型；将待检测的工业产品图像输入训练好的缺陷检测模型进行缺陷检测，得到所述工业产品图像的缺陷信息。本发明采用深层网络VGG16bn的特征提取网络前端进行下采样，采用亚像素卷积结构实现上采样，同时使用跳跃连接实现特征融合，可以高效、准确的检测出微小的工业产品缺陷。
-
Patent Agency Ranking
公开(公告)号：CN109948453B
公开(公告)日：2021-02-09
申请号：CN201910136583.3
申请日：2019-02-25
Applicant: 华中科技大学
Abstract: 本发明提出了一种基于卷积神经网络的多人姿态估计方法，将待处理图像输入到已完成训练的多人姿态估计网络得到两组数据，分别为人体关键点位置数据和人体关键点映射向量数据，然后解码数据得到图像中人体关键点和人体中心点的位置，并通过映射向量将关键点映射到可聚类的二维空间，再使用k‑means算法对映射后的关键点进行聚类间接实现原始人体关键点的分组，对分组关键点分析，最终实现多人姿态估计。本发明提出的多人姿态估计网络由特征提取网络、特征通道压缩模块、人体关键点位置分支模块和人体关键点映射向量分支模块四部分组成，可以实现端到端的训练和预测。本发明是一种自下而上多人姿态估计方法，在速度和准确率上均有良好表现。
-
公开(公告)号：CN109948453A
公开(公告)日：2019-06-28
申请号：CN201910136583.3
申请日：2019-02-25
Applicant: 华中科技大学
Abstract: 本发明提出了一种基于卷积神经网络的多人姿态估计方法，将待处理图像输入到已完成训练的多人姿态估计网络得到两组数据，分别为人体关键点位置数据和人体关键点映射向量数据，然后解码数据得到图像中人体关键点和人体中心点的位置，并通过映射向量将关键点映射到可聚类的二维空间，再使用k-means算法对映射后的关键点进行聚类间接实现原始人体关键点的分组，对分组关键点分析，最终实现多人姿态估计。本发明提出的多人姿态估计网络由特征提取网络、特征通道压缩模块、人体关键点位置分支模块和人体关键点映射向量分支模块四部分组成，可以实现端到端的训练和预测。本发明是一种自下而上多人姿态估计方法，在速度和准确率上均有良好表现。
-
公开(公告)号：CN109800716A
公开(公告)日：2019-05-24
申请号：CN201910059405.5
申请日：2019-01-22
Applicant: 华中科技大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于特征金字塔的海面遥感图像船舶检测方法，包括：通过滑窗机制将待检测海面背景船舶遥感图像切分成小图；对切分得到的小图，通过船舶分类预检网络筛选出可能包含船舶的小图；对筛选出可能包含船舶的小图，通过基于特征金字塔的目标检测网络进行检测，得到小图检测结果；融合拼接小图检测结果，得到海面背景遥感图像最终检测结果。本发明根据目标大小将其划分到特定的编码位置，使得编码矩阵中，特定位置处理相应大小的目标，加速训练过程网络收敛速度。特征金字塔的上采样结构使用空洞卷积操作，在保证特征图大小不变的情况下，提升感受野。损失函数仅计算与目标尺度对应部分的损失，简化网络学习任务，加速训练过程网络收敛。
-
公开(公告)号：CN110570396B
公开(公告)日：2022-03-15
申请号：CN201910723845.6
申请日：2019-08-07
Applicant: 华中科技大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于深度学习的工业产品缺陷检测方法，属于计算机视觉和深度学习领域，所述方法包括：对原始工业产品图像进行像素级别的缺陷标注，并将原始工业产品图像及其对应的标注信息作为样本数据；对样本数据进行预处理和数据增强，得到训练集、测试集和验证集；构建缺陷检测网络；将所述训练集、测试集和验证集输入搭建好的缺陷检测网络进行训练，得到训练好的缺陷检测模型；将待检测的工业产品图像输入训练好的缺陷检测模型进行缺陷检测，得到所述工业产品图像的缺陷信息。本发明采用深层网络VGG16bn的特征提取网络前端进行下采样，采用亚像素卷积结构实现上采样，同时使用跳跃连接实现特征融合，可以高效、准确的检测出微小的工业产品缺陷。
-
公开(公告)号：CN111488794A
公开(公告)日：2020-08-04
申请号：CN202010113227.2
申请日：2020-02-24
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于空洞卷积的自适应感受野人群密度估计方法，属于计算机视觉领域，该方法包括：对原始数据集图像和人群密度图进行切分，得到图像块和人群密度图块；构建自适应感受野人群密度估计网络并进行训练；该模型包括空洞卷积模块和分类模块；分类模块，对切分后的图像块进行分类；空洞卷积模块，根据分类模块输出的图像块类别，自适应选择对应感受野的空洞卷积子网络，对切分后的图像块进行特征提取，得到人群密度图；将待预测图片输入训练好的自适应感受野人群密度估计模型，得到人群密度估计结果。本发明方法能够自适应选择对应感受野的空洞卷积子网络进行人群密度估计，解决了透视畸变的问题，从而提高了人群密度估计的准确率。
-
-
-
-
-
Search Results
6
records
(took 0.014 seconds)
