-
公开(公告)号：CN114332008B
公开(公告)日：2024-06-28
申请号：CN202111625694.4
申请日：2021-12-28
Applicant: 福州大学
IPC: G06T7/00 , G06N3/0464 , G06N3/088
Abstract: 本发明涉及一种基于多层次特征重构的无监督缺陷检测与定位方法。所述方法包括：获取产品的无异常图像和不同种类缺陷的异常图像；用无异常图像输入特征提取网络提取出多尺度的特征组；将最高维度的特征输入重构网络逐层重构出对应不同尺度的新特征组；对两组特征组构建损失函数训练重构网络；在测试阶段以两组特征组的差异情况计算异常图和异常分数用于判断异常和定位缺陷区域。本发明有效地利用了无异常图像与异常图像在不同维度的特征信息差异，能够实现对产品缺陷区域的检测，从而避免人工标注并提高产品质量检测效率。
-
公开(公告)号：CN114332007A
公开(公告)日：2022-04-12
申请号：CN202111625693.X
申请日：2021-12-28
Applicant: 福州大学
Abstract: 本发明涉及一种基于Transformer的工业缺陷检测和识别方法。所述方法包括：获取工业自动生产线上异常与无异常的工业产品图像作为原始数据集；将无异常的产品图像作为训练图像输入到师生框架训练网络；将学生网络的输出特征层输入到基于Transformer的自注意力机制网络；将训练后的异常检测与识别模型用于工业产品图像的预测。本发明有效的利用了产品图像不同层次的特征与特征间的信息交互，实现对异常产品的检测并定位异常位置，从而提升工业产品检测的效率。
-
公开(公告)号：CN114332008A
公开(公告)日：2022-04-12
申请号：CN202111625694.4
申请日：2021-12-28
Applicant: 福州大学
Abstract: 本发明涉及一种基于多层次特征重构的无监督缺陷检测与定位方法。所述方法包括：获取产品的无异常图像和不同种类缺陷的异常图像；用无异常图像输入特征提取网络提取出多尺度的特征组；将最高维度的特征输入重构网络逐层重构出对应不同尺度的新特征组；对两组特征组构建损失函数训练重构网络；在测试阶段以两组特征组的差异情况计算异常图和异常分数用于判断异常和定位缺陷区域。本发明有效地利用了无异常图像与异常图像在不同维度的特征信息差异，能够实现对产品缺陷区域的检测，从而避免人工标注并提高产品质量检测效率。
-
公开(公告)号：CN114332007B
公开(公告)日：2024-06-28
申请号：CN202111625693.X
申请日：2021-12-28
Applicant: 福州大学
IPC: G06T7/00 , G06T7/73 , G01N21/88 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0455 , G06N3/096
Abstract: 本发明涉及一种基于Transformer的工业缺陷检测和识别方法。所述方法包括：获取工业自动生产线上异常与无异常的工业产品图像作为原始数据集；将无异常的产品图像作为训练图像输入到师生框架训练网络；将学生网络的输出特征层输入到基于Transformer的自注意力机制网络；将训练后的异常检测与识别模型用于工业产品图像的预测。本发明有效的利用了产品图像不同层次的特征与特征间的信息交互，实现对异常产品的检测并定位异常位置，从而提升工业产品检测的效率。
-
-
-
Search Results
4
records
(took 0.02 seconds)
