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。