-
公开(公告)号:CN118314234B
公开(公告)日:2025-01-28
申请号:CN202410529215.6
申请日:2024-04-29
Applicant: 东北大学
IPC: G06T11/00 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06V10/44 , G06V10/77 , G06N5/01 , G06N20/20 , G06N3/08
Abstract: 本发明公开了一种改进自编码器网络的C‑Mn钢显微组织图像生成方法,属于钢铁显微组织图像预测技术领域,包括获取C‑Mn数据集;对C‑Mn数据集进行预处理及扩充;对自编码器进行改进;构建编码器与解码器网络模型;应用编码器模型进行特征提取;构建PCA模型;构建XGBoost模型;将自设定的成分工艺数据依次输入到训练完毕的XGBoost模型、PCA模型及解码器模型中,得到预测的显微组织预测图像。本发明通过在传统的自编码器结构中引入稠密卷积块构成DCB‑AE网络,通过基于DCB‑AE网络的数据降维与升维方法解决了传统AE网络对于大尺度图像拟合的问题,此外,结合机器学习模型提高了显微组织图像生成模型的泛化能力。
-
公开(公告)号:CN118314234A
公开(公告)日:2024-07-09
申请号:CN202410529215.6
申请日:2024-04-29
Applicant: 东北大学
IPC: G06T11/00 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06V10/44 , G06V10/77 , G06N5/01 , G06N20/20 , G06N3/08
Abstract: 本发明公开了一种改进自编码器网络的C‑Mn钢显微组织图像生成方法,属于钢铁显微组织图像预测技术领域,包括获取C‑Mn数据集;对C‑Mn数据集进行预处理及扩充;对自编码器进行改进;构建编码器与解码器网络模型;应用编码器模型进行特征提取;构建PCA模型;构建XGBoost模型;将自设定的成分工艺数据依次输入到训练完毕的XGBoost模型、PCA模型及解码器模型中,得到预测的显微组织预测图像。本发明通过在传统的自编码器结构中引入稠密卷积块构成DCB‑AE网络,通过基于DCB‑AE网络的数据降维与升维方法解决了传统AE网络对于大尺度图像拟合的问题,此外,结合机器学习模型提高了显微组织图像生成模型的泛化能力。
-