公开(公告)号：CN115731400A

公开(公告)日：2023-03-03

申请号：CN202211509961.6

申请日：2022-11-29

Applicant: 河南大学

Inventor： 庞子龙 ,  甘志华 ,  宋亚林 ,  冯世杰 ,  邓欣冉

IPC: G06V10/44 ,  G06V10/80 ,  G06V10/75 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/08 ,  G06N5/04

Abstract: 本发明提供一种基于自监督学习的X光图像异物检测方法。该方法包括：步骤1：构建基于结构重参数化的ConvMAE模型，记作RepConvMAE自监督模型，包括用于提取输入图像的多尺度特征图的Encoder和用于基于提取的多尺度特征图来重构图像的Decoder；步骤2：采用X光图像数据集对所述RepConvMAE自监督模型进行预训练；步骤3：构建检测模型EFFR‑CNN，由浅层至深层依次包括：骨干网络、FPN层、共享特征层、RPN层、ROI Pooling层和全连接层；所述骨干网络采用预训练后的所述RepConvMAE自监督模型中的Encoder；步骤4：采用X光异物图像数据集训练所述检测模型EFFR‑CNN；步骤5：将待测X光图像输入至训练好的检测模型EFFR‑CNN，得到检测结果。