-
公开(公告)号：CN109583474B
公开(公告)日：2022-07-05
申请号：CN201811297153.1
申请日：2018-11-01
Applicant: 华中科技大学
IPC: G06K9/62
Abstract: 本发明属于图像处理领域，并具体公开了一种用于工业大数据处理的训练样本生成方法，包括：构建各类工业图像数据集，并根据各类工业图像数据集中的数据量划分出大样本数据集与小样本数据集；构建工业图像生成对抗网络及优化目标函数，基于优化目标函数对工业图像生成对抗网络进行迭代训练获得小样本生成参数模型；将大样本数据集中的大样本图像输入训练获得的小样本生成参数模型中以生成小样本图像，以此完成训练样本的生成。本发明无需对工业图像进行复杂的数字图像处理操作，也无需对原始工业图像进行各种变换，可以避免过多的人工干预，减少操作人员专业素养造成的工业图像生成的误差。
-
Patent Agency Ranking
公开(公告)号：CN110992354B
公开(公告)日：2022-04-12
申请号：CN201911286021.3
申请日：2019-12-13
Applicant: 华中科技大学
IPC: G06T7/00
Abstract: 本发明属于图像处理技术领域，并具体公开了一种基于引入自动记忆机制对抗自编码器的异常区域检测方法。包括：在工业现场图像划分的训练集和测试集中，训练集仅包含OK样本，测试集包含OK和NG样本；设计具备自动记忆机制的对抗自编码器模型；使用训练集训练，测试集评价，得到最优模型；构建训练集样本异常值的统计模型，得出判别OK/NG的判别阈值。将待检测样本输入已训练网络模型，生成器重构得到重构图，获取异常值，若小于判别阈值判定为OK，否则判定为NG，将输入图与重构图输入比较模块得到异常区域位置。本发明仅使用OK样本作为训练集，能够判别OK/NG，定位异常区域位置，并且NG样本召回率较高，检测速度较快。
-
公开(公告)号：CN111445484A
公开(公告)日：2020-07-24
申请号：CN202010247704.4
申请日：2020-04-01
Applicant: 华中科技大学
Abstract: 本发明属于机器视觉与机器学习领域，并具体公开了一种基于图像级标注的工业图像异常区域像素级分割方法，包括如下步骤：S1获取工业图像数据集，并进行图像级标注；S2构建正常图像模板生成网络，其包括正常图像模板生成器、异常图像模板生成器、正常图像鉴别器、异常图像鉴别器；S3根据优化目标，通过工业图像数据集对正常图像模板生成网络进行训练，得到正常图像模板生成模型；S4将待测工业图像输入正常图像模板生成模型中，得到对应的正常图像模板，进而将其与待测工业图像进行对比，实现对工业图像异常区域的分割。本方法能基于图像级标注数据获取精确的像素级图像分割结果，且相对于其他弱监督分割方法具有更好的实时性与泛化性。
-
公开(公告)号：CN111445484B
公开(公告)日：2022-08-02
申请号：CN202010247704.4
申请日：2020-04-01
Applicant: 华中科技大学
Abstract: 本发明属于机器视觉与机器学习领域，并具体公开了一种基于图像级标注的工业图像异常区域像素级分割方法，包括如下步骤：S1获取工业图像数据集，并进行图像级标注；S2构建正常图像模板生成网络，其包括正常图像模板生成器、异常图像模板生成器、正常图像鉴别器、异常图像鉴别器；S3根据优化目标，通过工业图像数据集对正常图像模板生成网络进行训练，得到正常图像模板生成模型；S4将待测工业图像输入正常图像模板生成模型中，得到对应的正常图像模板，进而将其与待测工业图像进行对比，实现对工业图像异常区域的分割。本方法能基于图像级标注数据获取精确的像素级图像分割结果，且相对于其他弱监督分割方法具有更好的实时性与泛化性。
-
公开(公告)号：CN110992354A
公开(公告)日：2020-04-10
申请号：CN201911286021.3
申请日：2019-12-13
Applicant: 华中科技大学
IPC: G06T7/00
Abstract: 本发明属于图像处理技术领域，并具体公开了一种基于引入自动记忆机制对抗自编码器的异常区域检测方法。包括：在工业现场图像划分的训练集和测试集中，训练集仅包含OK样本，测试集包含OK和NG样本；设计具备自动记忆机制的对抗自编码器模型；使用训练集训练，测试集评价，得到最优模型；构建训练集样本异常值的统计模型，得出判别OK/NG的判别阈值。将待检测样本输入已训练网络模型，生成器重构得到重构图，获取异常值，若小于判别阈值判定为OK，否则判定为NG，将输入图与重构图输入比较模块得到异常区域位置。本发明仅使用OK样本作为训练集，能够判别OK/NG，定位异常区域位置，并且NG样本召回率较高，检测速度较快。
-
公开(公告)号：CN109583474A
公开(公告)日：2019-04-05
申请号：CN201811297153.1
申请日：2018-11-01
Applicant: 华中科技大学
IPC: G06K9/62
Abstract: 本发明属于图像处理领域，并具体公开了一种用于工业大数据处理的训练样本生成方法，包括：构建各类工业图像数据集，并根据各类工业图像数据集中的数据量划分出大样本数据集与小样本数据集；构建工业图像生成对抗网络及优化目标函数，基于优化目标函数对工业图像生成对抗网络进行迭代训练获得小样本生成参数模型；将大样本数据集中的大样本图像输入训练获得的小样本生成参数模型中以生成小样本图像，以此完成训练样本的生成。本发明无需对工业图像进行复杂的数字图像处理操作，也无需对原始工业图像进行各种变换，可以避免过多的人工干预，减少操作人员专业素养造成的工业图像生成的误差。
-
-
-
-
-
Search Results
6
records
(took 0.017 seconds)
