龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：西安电子科技大学
申请日：2024-03-25
公开（公告）日：2024-05-17
公开（公告）号：CN118053042A
主分类号：G06V10/764
分类号：G06V10/764;G06T7/00;G06N3/0464;G06N3/048;G06N3/0499;G06N3/08
优先权：["20240228 CN 2024102227009"]
专利状态码：在审-实质审查的生效
法律状态：2024.06.04#实质审查的生效;2024.05.17#公开
摘要：本发明公开了一种基于深度学习的多尺度表面缺陷检测方法，包括：获取待检测图像并输入缺陷检测模型，使其执行以下步骤：利用特征提取主干网络依次对待检测图像进行多阶段的特征提取后，生成第一特征图；基于第一特征图及第二的特征信息、第三阶段的特征信息，利用路径聚合特征金字塔网络通过从低到高及从高到低的两个通路对低层特征图、中层特征图和高层特征图进行聚合；利用动态解耦检测头网络中级联的多个动态头模块，计算聚合后的低层\中层\高层特征图对应的低层\中层\高层通道注意力特征图；将低层\中层\高层通道注意力特征图分别输入动态解耦检测头网络中的第一\第二\第三解耦头，获得待检测图像中不同尺度缺陷的检测结果。
主权项：1.一种基于深度学习的多尺度表面缺陷检测方法，其特征在于，包括：获取待检测图像；将所述待检测图像输入预先训练好的缺陷检测模型，以使所述缺陷检测模型执行以下步骤：利用特征提取主干网络依次对待检测图像进行第一阶段、第二阶段、第三阶段和第四阶段的特征提取，并基于第四阶段的特征信息生成第一特征图；将第二阶段的特征信息作为低层特征图、将第三阶段的特征信息作为中层特征图、将所述第一特征图作为高层特征图后，利用路径聚合特征金字塔网络通过从低到高及从高到低的两个通路对所述低层特征图、所述中层特征图和所述高层特征图进行聚合，得到聚合后的低层特征图、聚合后的中层特征图以及聚合后的高层特征图；利用动态解耦检测头网络中级联的多个动态头模块，计算聚合后的低层特征图、聚合后的中层特征图、聚合后的高层特征图对应的低层通道注意力特征图、中层通道注意力特征图和高层通道注意力特征图；将所述低层通道注意力特征图、所述中层通道注意力特征图和所述高层通道注意力特征图分别输入动态解耦检测头网络中的第一解耦头、第二解耦头和第三解耦头，获得所述待检测图像中不同尺度缺陷的检测结果。
全文数据：
权利要求：
百度查询： 西安电子科技大学 一种基于深度学习的多尺度表面缺陷检测方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号