-
公开(公告)号:CN119169017A
公开(公告)日:2024-12-20
申请号:CN202411241686.3
申请日:2024-09-05
Applicant: 中南大学
IPC: G06T7/10 , G06V10/80 , G06N3/084 , G06N3/0985 , G06N3/0464
Abstract: 本发明提供了一种管状结构图像分割方法及相关设备,通过获取管状结构图像数据输入分割模型进行训练,得到管状结构图像分割模型;将目标管状结构图像输入管状结构图像分割模型进行分割,得到分割结果;分割模型包括特征提取模块、特征增强模块和输出模块;与现有技术相比,本发明改进了特征提取、融合和增强方式,通过特征提取模块提取管状结构包括水平、垂直、全局在内的不同方向特征,通过特征融合模块融合来自不同方向的特征,充分利用不同方向的空间信息,通过特征增强模块进一步强化管状结构特征,从而提高管状结构图像的分割精度。
-
公开(公告)号:CN117496299A
公开(公告)日:2024-02-02
申请号:CN202311442141.4
申请日:2023-11-01
Applicant: 中南大学
IPC: G06V10/774 , G06V10/82 , G06T7/00 , G06T5/60 , G06T5/70 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本申请适用于图像处理技术领域,提供了一种缺陷图像数据的增广方法、装置、终端设备及介质,通过获取原始缺陷图像训练数据;利用原始缺陷图像训练数据对预先构建的去噪扩散概率模型进行训练,得到训练后的去噪扩散概率模型,并将原始缺陷图像训练数据输入训练后的去噪扩散概率模型,生成表面缺陷图像数据;从表面缺陷图像数据中评估出高质量图像数据,并根据高质量图像数据和原始缺陷图像训练数据,构建新表面缺陷图像数据;利用满足预设质量要求的新缺陷图像数渐进式训练去噪扩散概率模型,并利用训练好的去噪扩散概率模型,对采集的目标缺陷图像数据进行增广;本申请能提高缺陷图像的生成质量。
-
公开(公告)号:CN119313577A
公开(公告)日:2025-01-14
申请号:CN202411454319.1
申请日:2024-10-17
Applicant: 中南大学
IPC: G06T5/60 , G06T5/77 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明提供了一种图像修复方法及相关设备,采集现实工业恶劣环境图像和清晰环境图像,并利用清晰环境图像得到合成恶劣环境图像与现实工业恶劣环境图像输入构建的半监督模块进行训练数据筛选,得到新数据集并输入构建的师生模型分三个阶段进行训练,得到工业恶劣环境修复模型;将获取的目标工业环境图像输入工业恶劣环境修复模型进行修复,得到与目标工业环境图像对应的清晰图像;与现有技术相比,本发明通过通过半监督模块筛选训练数据,以提高模型在不同环境下的性能与泛化性;从三个不同阶段对师生模型进行训练,让模型充分学习各个恶劣环境之间的独有特征和公共特征,防止特征学习不充分,从而提高工业恶劣环境图像修复的鲁棒性。
-
-