申请/专利权人：吉林农业科技学院

申请日：2023-06-05

公开（公告）日：2024-04-26

公开（公告）号：CN116630626B

主分类号：G06V10/26

分类号：G06V10/26;G06V10/80;G06V10/82;G06N3/0464;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2023.09.08#实质审查的生效;2023.08.22#公开

摘要：针对缺陷检测技术中广泛存在的缺陷像素难以精确识别分类的技术问题，本发明公开了一种连通双注意力多尺度融合语义分割网络，属于图像分析与处理领域。本发明包括面向特征提取的卷积子模块、融合双注意力机制的多尺度融合子模块、卷积多尺度聚合子模块、以及保留细粒度纹理信息的剪支残差子模块。以上模块分别通过提取输入图像多尺度信息、从色彩空间与语义空间对特征图施加注意力、融合不同尺度之间的特征信息、保留原图像不同尺度上关键纹理特征来实现对缺陷像素的高精度识别。实验证明，本发明提高了缺陷检测技术中语义分割精度，可以满足工业应用对缺陷检测的迫切需求。

主权项：1.连通双注意力多尺度融合语义分割网络，其特征在于，包括：面向特征提取的卷积子模块，通过级联的双卷积结构提取特征，并采用卷积核大小为7×7的深度可分离卷积与1×1大小的通道卷积来增大感受野，同时采用残差分支保障训练过程的稳定性；融合双注意力机制的多尺度融合子模块，对不同尺度通道的特征图信息通过卷积算子进行融合，再通过对低分辨率特征图的施加关键的空间注意力与通道注意力，采用数字点乘的方式，将高维度注意力矩阵映射到经卷积融合的特征图上，同时结合残差分支，将原始高分辨率特征图加入到融合双注意力的特征图中；卷积多尺度聚合子模块，在连通双注意力多尺度融合语义分割网络每一个尺度节点的后端，采用拼接与卷积融合的方式实现不同特征图信息的拼接，扩大信息感知能力，采用双重卷积的模式，扩大对输入图像的感受野信息；保留细粒度纹理信息的剪支残差子模块，通过残差结构下的卷积结构，保留输入图像的空间细粒度信息与关键的边界信息信息。

全文数据：

权利要求：

百度查询： 吉林农业科技学院 连通双注意力多尺度融合语义分割网络

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