申请/专利权人:上海布眼人工智能科技有限公司
申请日:2020-06-11
公开(公告)日:2020-10-16
公开(公告)号:CN111784644A
主分类号:G06T7/00(20170101)
分类号:G06T7/00(20170101);G06K9/62(20060101);G06N3/04(20060101);G06N3/08(20060101)
优先权:
专利状态码:在审-实质审查的生效
法律状态:2020.11.03#实质审查的生效;2020.10.16#公开
摘要:本发明提供了一种基于深度学习的印花瑕疵检测方法及系统,包括:将预处理后的待检测图像和模板图像输入孪生卷积神经网络模型,非线性地计算图像特征,分别对待检测图像、模板图像进行多种不同倍率的下采样特征计算,得到不同分辨率的特征结果;将不同分辨率的特征利用双线性插值和卷积方案将特征大小调整至相同大小,将相同大小的不同特征进行融合,得到待检测图像融合特征和模板图像融合特征;将待检测图像融合特征和模板图像融合特征进行差分,通过区域感知定位与分类模型进行前景与背景分类预测,对预测结果为前景的感知区域进行印花瑕疵类别分类和确切回归定位。充分利用全部资源信息,极大地提升检测算法的检出率和降低误检率。
主权项:1.一种基于深度学习的印花瑕疵检测方法,其特征在于,包括:图像获取步骤:获取待检测图像和模板图像;图像输入步骤:将待检测图像和模板图像进行大小、像素和亮度的预处理;特征提取步骤:将预处理后的待检测图像和模板图像输入孪生卷积神经网络模型,非线性地计算图像特征,分别对待检测图像、模板图像进行多种不同倍率的下采样特征计算,得到不同分辨率的特征结果;特征融合步骤:将不同分辨率的特征利用双线性插值和卷积方案将特征大小调整至相同大小,将相同大小的不同特征进行融合,得到待检测图像融合特征和模板图像融合特征;目标定位和分类步骤:将待检测图像融合特征和模板图像融合特征进行差分,通过区域感知定位与分类模型进行前景与背景分类预测,对预测结果为前景的感知区域进行印花瑕疵类别分类和确切回归定位。
全文数据:
权利要求:
百度查询: 上海布眼人工智能科技有限公司 基于深度学习的印花瑕疵检测方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。