-
公开(公告)号：CN114677346B
公开(公告)日：2024-04-05
申请号：CN202210275353.7
申请日：2022-03-21
Applicant: 西安电子科技大学广州研究院
IPC: G06T7/00 , G06N3/0455 , G06N3/0464 , G06N3/0895
Abstract: 本发明涉及图像表面缺陷的检测方法技术领域，公开了基于记忆信息的端到端的半监督图像表面缺陷的检测方法，其技术方案要点包括如下步骤：包括如下步骤(一)模拟异常样本、(二)冻结编码器、(三)提取记忆信息、(四)融合多尺度特征、(五)做出空间注意力图、(六)导入解码器、(七)得到输入图像的异常区域；本发明解决了监督学习框架下异常样本获取困难的问题，只需要采集正常样本即可完成模型训练；同时本发明解决了现有的检测方法在推理阶段需要较高计算成本的缺点，更能满足工业场景缺陷检测的实时性需求；同时解决了基于重构的模型泛化能力过强的缺点，实现了较高的异常检测精度。
-
Patent Agency Ranking
公开(公告)号：CN113947612A
公开(公告)日：2022-01-18
申请号：CN202111139846.X
申请日：2021-09-28
Applicant: 西安电子科技大学广州研究院
Abstract: 本发明提供了一种基于前景背景分离网络的视频异常检测方法，解决了在实际中大多数异常事件出现在前景中，现有技术没有区分前景和背景导致不能充分学习正常事件的模式，从而异常事件检测精度不足的问题。实现步骤为：(1)利用主成分分析(PCA)技术提取视频帧的背景图像和前景图像作为groundtruth；(2)基于卷积神经网络构建一个前景背景分离网络；(3)对前景背景分离网络进行迭代训练，得到一个能准确分离视频帧中正常事件的前景和背景，而无法准确分离异常事件的前景和背景的分离器，同时在这个过程中利用光流作为前景的边缘轮廓信息辅助任务执行；(4)根据分离结果与groundtruth的差异进行视频异常检测。
-
公开(公告)号：CN113947612B
公开(公告)日：2024-03-29
申请号：CN202111139846.X
申请日：2021-09-28
Applicant: 西安电子科技大学广州研究院
IPC: G06T7/136 , G06T7/194 , G06T3/4038 , G06T3/4046 , G06N3/0464 , G06N3/0475 , G06N3/084
Abstract: 本发明提供了一种基于前景背景分离网络的视频异常检测方法，解决了在实际中大多数异常事件出现在前景中，现有技术没有区分前景和背景导致不能充分学习正常事件的模式，从而异常事件检测精度不足的问题。实现步骤为：(1)利用主成分分析(PCA)技术提取视频帧的背景图像和前景图像作为groundtruth；(2)基于卷积神经网络构建一个前景背景分离网络；(3)对前景背景分离网络进行迭代训练，得到一个能准确分离视频帧中正常事件的前景和背景，而无法准确分离异常事件的前景和背景的分离器，同时在这个过程中利用光流作为前景的边缘轮廓信息辅助任务执行；(4)根据分离结果与groundtruth的差异进行视频异常检测。
-
公开(公告)号：CN113947567A
公开(公告)日：2022-01-18
申请号：CN202111110729.0
申请日：2021-09-23
Applicant: 西安电子科技大学广州研究院
Abstract: 本发明提供了一种基于多任务学习的缺陷检测方法，可用于检测纹理表面的缺陷。本发明利用深度神经网络初步提取图像的纹理特征，通过缺陷修复模块，获取像素级别的检测结果，通过缺陷分割模块，获取粗略缺陷定位结果，最后将两者融合获得精确的缺陷检测结果。本发明通过构造多任务学习的网络结构，使得网络在仅使用粗略标签的情况下获得精确检测结果，实现缺陷检测功能。
-
公开(公告)号：CN113947567B
公开(公告)日：2024-03-22
申请号：CN202111110729.0
申请日：2021-09-23
Applicant: 西安电子科技大学广州研究院
IPC: G06T7/00 , G06T7/10 , G06T5/70 , G06T5/60 , G06T3/4038 , G06T3/4046 , G06N3/0464 , G06N3/096
Abstract: 本发明提供了一种基于多任务学习的缺陷检测方法，可用于检测纹理表面的缺陷。本发明利用深度神经网络初步提取图像的纹理特征，通过缺陷修复模块，获取像素级别的检测结果，通过缺陷分割模块，获取粗略缺陷定位结果，最后将两者融合获得精确的缺陷检测结果。本发明通过构造多任务学习的网络结构，使得网络在仅使用粗略标签的情况下获得精确检测结果，实现缺陷检测功能。
-
公开(公告)号：CN114677346A
公开(公告)日：2022-06-28
申请号：CN202210275353.7
申请日：2022-03-21
Applicant: 西安电子科技大学广州研究院
Abstract: 本发明涉及图像表面缺陷的检测方法技术领域，公开了基于记忆信息的端到端的半监督图像表面缺陷的检测方法，其技术方案要点包括如下步骤：包括如下步骤(一)模拟异常样本、(二)冻结编码器、(三)提取记忆信息、(四)融合多尺度特征、(五)做出空间注意力图、(六)导入解码器、(七)得到输入图像的异常区域；本发明解决了监督学习框架下异常样本获取困难的问题，只需要采集正常样本即可完成模型训练；同时本发明解决了现有的检测方法在推理阶段需要较高计算成本的缺点，更能满足工业场景缺陷检测的实时性需求；同时解决了基于重构的模型泛化能力过强的缺点，实现了较高的异常检测精度。
-
-
-
-
-
Search Results
6
records
(took 0.046 seconds)
