申请/专利权人：浙江理工大学;浙江理工大学常山研究院有限公司

申请日：2023-12-08

公开（公告）日：2024-03-15

公开（公告）号：CN117710668A

主分类号：G06V10/26

分类号：G06V10/26;G06V10/764;G06V10/774;G06V10/80;G06V10/82;G06N3/0455;G06N3/082;G06T7/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.02#实质审查的生效;2024.03.15#公开

摘要：本发明涉及布匹瑕疵检测和深度学习算法技术领域，公开了一种改进Deeplabv3+的布匹瑕疵检测图像分割方法，采集布匹表面图像，将采集的图片输入FP‑Deeplab网络得到分割预测图；FP‑Deeplab网络基于Deeplabv3+网络改进，采用改进的mobilenetv3网络替换原先的xception网络；在编码器部分，将原有的ASPP模块替换为ASPP‑DSP模块；在解码器部分，将特征融合模块替换为带DP卷积归一化模块的多尺度特征融合结构。本发明在处理极端尺寸的图像数据时，能精准地对小目标以及各类瑕疵精选分割检测，高效且轻量化。

主权项：1.一种改进Deeplabv3+的布匹瑕疵检测图像分割方法，其特征在于:过程包括，采集布匹表面图像，将采集的图片输入FP-Deeplab网络，得到最终的分割预测图；所述FP-Deeplab网络基于Deeplabv3+网络改进，采用改进的mobilenetv3网络作为主干网络替换原先的xception网络；在编码器部分，将原有的ASPP模块替换为ASPP-DSP模块；在解码器部分，将特征融合模块替换为带DP卷积归一化模块的多尺度特征融合结构。

全文数据：

权利要求：

百度查询： 浙江理工大学;浙江理工大学常山研究院有限公司 一种改进Deeplabv3+的布匹瑕疵检测图像分割方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD