公开(公告)号：CN114066825B

公开(公告)日：2024-05-28

申请号：CN202111268703.9

申请日：2021-10-29

Applicant: 浙江工商大学

Inventor： 王慧燕 ,  赵佰梁

IPC: G06T7/00 ,  G06T7/40 ,  G06T3/4038 ,  G06T3/4046 ,  G06N3/0464

Abstract: 本发明公开了一种改进的基于深度学习的复杂纹理图像瑕疵检测方法。本发明通过对resnet50网络结构的部分改进，将经过layer1和layer2输出的feature map通过1*1的卷积之后，按通道均分为s个子集；每个子集都有相应的convolution和involution操作，其中convolution和involution的两端均有残差结构，除了第一个子特征只进行卷积操作之外，其余子特征都与前一个子特征的输出进行相加之后再进行卷积操作，然后将各个子特征的输出进行拼接，再进行特征的融合；最后将融合后的特征经过SE block以进一步提升瑕疵检测精度。

公开(公告)号：CN114066825A

公开(公告)日：2022-02-18

申请号：CN202111268703.9

申请日：2021-10-29

Applicant: 浙江工商大学

Inventor： 王慧燕 ,  赵佰梁

IPC: G06T7/00 ,  G06T7/40 ,  G06T3/40 ,  G06N3/04

Abstract: 本发明公开了一种改进的基于深度学习的复杂纹理图像瑕疵检测方法。本发明通过对resnet50网络结构的部分改进，将经过layer1和layer2输出的feature map通过1*1的卷积之后，按通道均分为s个子集；每个子集都有相应的convolution和involution操作，其中convolution和involution的两端均有残差结构，除了第一个子特征只进行卷积操作之外，其余子特征都与前一个子特征的输出进行相加之后再进行卷积操作，然后将各个子特征的输出进行拼接，再进行特征的融合；最后将融合后的特征经过SE block以进一步提升瑕疵检测精度。