申请/专利权人:重庆邮电大学
申请日:2023-12-11
公开(公告)日:2024-03-15
公开(公告)号:CN117710299A
主分类号:G06T7/00
分类号:G06T7/00;G06N3/0475;G06N3/094;G06N3/088
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:本发明涉及一种无监督全频信道选择重建图像的缺陷检测方法,属于计算机视觉和图像处理技术领域。该方法包括以下步骤:将原始图像输入频率解耦模块FD,得到全频图像;将全频图像作为输入,送入基于SE‑UNet网络和通道选择模块CS的生成对抗网络模块中,进行特征提取与整合,得到输出特征图V;将原始输入图像和生成器网络的输出作为判别器网络模块的输入,提取出能反映图像特性的有效特征,判断重建图像与原始图像之间的误差,并计算出模型中的总体异常分数,判断原始输入图像中是否存在缺陷。本发明能够有效地从原始图像中提取全频信息,并进行动态的信道选择与特征整合,从而实现基于全频重构的准确的异常检测。
主权项:1.一种无监督全频信道选择重建图像的缺陷检测方法,其特征在于:该方法包括以下步骤:S1:将原始图像I输入频率解耦模块FD,所述FD模块将输入原始图像I解耦成不同的频率分量,得到原始图像I的全频图像;S2:将所述S1中得到的全频图像作为输入,送入基于SE-UNet网络和通道选择模块CS的生成对抗网络模块中,在所述生成对抗网络模块中,将FD模块输出的全频图像经过卷积操作为SE模块的输入特征图,SE模块对特征图进行压缩和激励操作,得到每个通道的权重;将SE模块的输出经过卷积运算后作为CS模块的输入图像,CS模块根据输入图像的全频表示和之前选择的信道特征,在每次迭代过程中动态地筛选出关键的信道进行特征提取与整合,最终得到CS模块的输出特征图V;S3:将原始输入图像和生成器网络的输出作为判别器网络模块的输入,判别器网络模块从这两类输入中提取出能反映图像特性的有效特征,用于判断重建图像与原始图像之间的误差,并计算出模型中的总体异常分数,判断原始输入图像中是否存在缺陷。
全文数据:
权利要求:
百度查询: 重庆邮电大学 一种无监督全频信道选择重建图像的缺陷检测方法
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。