-
公开(公告)号：CN114663337B
公开(公告)日：2025-04-25
申请号：CN202011535094.4
申请日：2020-12-23
Applicant: 株式会社理光
IPC: G06T7/00 , G06T7/13 , G06N3/0455 , G06N3/0464 , G06N3/08 , G01N21/88
Abstract: 本发明实施例提供神经网络训练方法，以及利用神经网络进行缺陷检测的方法、装置和计算机可读存储介质。根据本发明实施例的神经网络训练方法包括：将输入训练图像输入神经网络，其中所述输入训练图像是针对原始训练图像引入缺陷生成的图像，所述缺陷与所述原始训练图像的图像特征相关联；利用神经网络对所述输入训练图像进行分解，针对分解结果引入噪声，并将分解结果和噪声合成，得到合成训练图像；对所述合成训练图像利用神经网络进行缺陷检测，至少根据所述原始训练图像和缺陷检测的结果调整所述神经网络的参数。
-
公开(公告)号：CN118858281A
公开(公告)日：2024-10-29
申请号：CN202310489414.4
申请日：2023-04-28
Applicant: 株式会社理光
IPC: G01N21/88
Abstract: 本发明实施例提供物体检测方法、装置和存储介质。方法包括：捕获待检测物体的二维图像数据和三维图像数据，其中待检测物体的二维图像数据的视野大于所述三维图像数据的视野；获取参考物体的至少一个部分的二维图像数据和三维图像数据，其中参考物体的至少一个部分的二维图像数据的视野大于三维图像数据的视野；对参考物体的至少一个部分的二维和三维图像数据，根据参考物体的组件进行划分，得到参考物体的一个或多个组件对应的二维和三维图像数据；确定待检测物体的二维和三维图像数据与参考物体的一个或多个组件的对应关系；根据待检测物体与对应的参考物体的组件的二维和三维图像数据，对待检测物体进行检测，获取对待检测物体的检测结果。
-
公开(公告)号：CN112052866B
公开(公告)日：2024-08-06
申请号：CN201910487595.0
申请日：2019-06-05
Applicant: 株式会社理光
IPC: G06V10/776 , G06V10/74 , G06V10/75 , G06V10/762 , G06V10/764
Abstract: 本发明提供了一种图像验证方法、装置及计算机可读存储介质。本发明提供的图像验证方法，在图像验证中引入了分级跟踪的处理方式，根据优先级的高低顺序，在待验证图像中依次对不同优先级别的代表特征点分别进行跟踪，不同级别的代表特征点中引入了图像内容发生不同程度变形或位置偏移的影响，从而能够增强图像验证的鲁棒性，提高图像验证准确性。另外，本发明实施例还在分级跟踪中基于几何约束关系判断跟踪结果的可靠性，进一步提高了图像验证结果的准确性。
-
公开(公告)号：CN115471725A
公开(公告)日：2022-12-13
申请号：CN202110653941.5
申请日：2021-06-11
Applicant: 株式会社理光
IPC: G06V10/82 , G06V10/74 , G06V10/764 , G06V10/774 , G06T7/00 , G06N3/04 , G06N3/08
Abstract: 本公开提供用于异常检测的图像处理方法及设备、用于异常检测的神经网络的构建方法及设备以及计算机可读存储介质。该异常检测的图像处理方法包括：获取包含待检测样本的输入图像；基于所述输入图像，分别利用异常样本生成网络和正常样本生成网络生成第一异常样本生成图像和第一正常样本生成图像；以及至少基于所述输入图像与第一异常样本生成图像和第一正常样本生成图像之间的相似度，确定所述输入图像中的待检测样本是否存在异常。根据本公开实施例的异常检测的图像处理方法，考虑了输入图像与各个生成网络所生成的相应类型的样本生成图像之间的相似度，从而不仅提供了细粒度的分类结果，同时对未见样本异常具有一定的鲁棒性。
-
公开(公告)号：CN114663337A
公开(公告)日：2022-06-24
申请号：CN202011535094.4
申请日：2020-12-23
Applicant: 株式会社理光
Abstract: 本发明实施例提供神经网络训练方法，以及利用神经网络进行缺陷检测的方法、装置和计算机可读存储介质。根据本发明实施例的神经网络训练方法包括：将输入训练图像输入神经网络，其中所述输入训练图像是针对原始训练图像引入缺陷生成的图像，所述缺陷与所述原始训练图像的图像特征相关联；利用神经网络对所述输入训练图像进行分解，针对分解结果引入噪声，并将分解结果和噪声合成，得到合成训练图像；对所述合成训练图像利用神经网络进行缺陷检测，至少根据所述原始训练图像和缺陷检测的结果调整所述神经网络的参数。
-
Patent Agency Ranking
公开(公告)号：CN114187298A
公开(公告)日：2022-03-15
申请号：CN202010966057.2
申请日：2020-09-15
Applicant: 株式会社理光
IPC: G06T7/11 , G06K9/62 , G06V10/774
Abstract: 本发明实施例提供图像处理方法、装置和计算机可读存储介质，以及神经网络构建方法、装置和计算机可读存储介质。根据本发明实施例的图像处理方法包括：获取输入图像；对所述输入图像进行处理，以增强所述输入图像的结构特征，获取结构图像；利用神经网络对所述输入图像和所述结构图像进行处理，提取所述输入图像和所述结构图像的共同结构特征；至少根据所述共同结构特征，利用所述神经网络对所述输入图像按照结构进行分割，获取对所述输入图像的分割结果。
-
公开(公告)号：CN109033920B
公开(公告)日：2021-10-08
申请号：CN201710428297.5
申请日：2017-06-08
Applicant: 株式会社理光
Abstract: 本发明提供了一种可抓取目标的识别方法、装置及计算机可读存储介质，结合灰度图像和深度图像，可以在不需要预先获取目标物品的模型的情况下确定可抓取目标。另外，本发明在计算可抓取性时考虑了目标的灰度特征，可以避免或减少一次抓取多个物品的情况。本发明在计算可抓取性时还考虑了平面的平坦性特征，有利于选择出平坦性表面作为可抓取位置，从而可以提高吸盘吸附的成功率。另外，本发明实施例还进一步通过碰撞检测处理，避免或减少了后续机械手抓取物品时的碰撞。
-
公开(公告)号：CN111862125A
公开(公告)日：2020-10-30
申请号：CN201910348898.4
申请日：2019-04-28
Applicant: 株式会社理光
IPC: G06T7/12
Abstract: 本发明提供了一种轮廓分割方法、装置及计算机可读存储介质。本发明提供的轮廓分割方法，将图像的梯度项引入到能量函数中，使得图像两部分之间灰度差异不明显的区域对于轻微的局部边缘更加敏感，从而产生更好的分割效果。另外，本发明还引入了基于形状的轮廓调整的第二阶段，对第一阶段的分割结果进行了调整，以防止第一阶段的分割陷入局部极小值，从而使得最终结果在实际使用中更符合人眼观察判断。
-
公开(公告)号：CN107369150B
公开(公告)日：2020-10-27
申请号：CN201610316544.8
申请日：2016-05-12
Applicant: 株式会社理光
Abstract: 本发明提供了一种检测矩形目标的方法及矩形目标检测装置。本发明基于二值图像的轮廓，拟合得到多边形，并利用矩形目标的相邻夹角以及所夹边长的特征进行目标矩形的检测。由于目标矩形是基于相邻夹角和所夹边长进行检测的，即使目标矩形的部分边或部分顶点被遮挡，粘连或者损坏，只要能够检测到两个相邻夹角和所夹边，本发明实施例上述方法均能确定出该目标矩形，因此以上方法能够有效的检测出矩形目标，提高矩形目标检测的鲁棒性。
-
公开(公告)号：CN109033920A
公开(公告)日：2018-12-18
申请号：CN201710428297.5
申请日：2017-06-08
Applicant: 株式会社理光
CPC classification number: G06K9/00214 , G06K9/4609 , G06K9/6218
Abstract: 本发明提供了一种可抓取目标的识别方法、装置及计算机可读存储介质，结合灰度图像和深度图像，可以在不需要预先获取目标物品的模型的情况下确定可抓取目标。另外，本发明在计算可抓取性时考虑了目标的灰度特征，可以避免或减少一次抓取多个物品的情况。本发明在计算可抓取性时还考虑了平面的平坦性特征，有利于选择出平坦性表面作为可抓取位置，从而可以提高吸盘吸附的成功率。另外，本发明实施例还进一步通过碰撞检测处理，避免或减少了后续机械手抓取物品时的碰撞。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.031 seconds)
