申请/专利权人:重庆邮电大学
申请日:2023-12-04
公开(公告)日:2024-03-19
公开(公告)号:CN117726636A
主分类号:G06T7/11
分类号:G06T7/11;G06T7/00;G06V10/25;G06V10/44;G06V10/80;G06V10/82;G06V10/764;G06V10/766;G06N3/0464;G06N3/045;G06N3/0495;G06N3/096
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.05#实质审查的生效;2024.03.19#公开
摘要:本发明公开了一种基于改进MaskR‑CNN的钢材表面缺陷分割方法,以MaskR‑CNN模型为基础,引入了ConvNeXt‑T骨干网络作为特征提取器,增加交错稀疏自注意力提升模型的全局表示能力,并采用多级区域特征融合的方式获取更全面的区域特征表达,最后通过知识蒸馏对分割模型运算规模进行优化。本发明提高了钢材表面缺陷识别的准确性、鲁棒性和高效性。
主权项:1.一种基于改进MaskR-CNN的钢材表面缺陷分割方法,其特征在于,包括以下步骤:S1:获取钢材表面图像,对图像数据进行降噪、大小裁剪预处理;S2:使用特征提取骨干网络从输入图像生成初始特征;S3:以MaskR-CNN为基础模型引入特征金字塔网络结构,初始特征经特征金字塔网络处理后经过RPN生成区域建议框;S4:使用感兴趣区域对齐将RPN生成的区域建议框重映射回骨干网络的特征层中提取相对应的区域特征;S5:经过RoIN对区域建议框进行目标前景分类、精细的检测框回归和分割掩码预测。
全文数据:
权利要求:
百度查询: 重庆邮电大学 一种基于改进Mask R-CNN的钢材表面缺陷分割方法
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。