-
公开(公告)号：CN110648310A
公开(公告)日：2020-01-03
申请号：CN201910815305.0
申请日：2019-08-30
Applicant: 上海理工大学
Abstract: 本发明涉及一种基于注意力机制的弱监督铸件缺陷识别方法，首先获取铸件的射线图像，并图像中铸件类别和缺陷进行多标签的弱标注，形成训练集。然后在训练样本集上训练ResNe-50网络模型，利用多标签信息，形成注意力机制，使模型在弱监督的情况下对铸件缺陷进行精准识别，再计算激活映射图得出缺陷的准确位置。本发明在保证铸件缺陷识别正确率的情况下，减少了标注数据的人力消耗，最终实现了生产成本的降低。
-
公开(公告)号：CN110648310B
公开(公告)日：2023-08-04
申请号：CN201910815305.0
申请日：2019-08-30
Applicant: 上海理工大学
Abstract: 本发明涉及一种基于注意力机制的弱监督铸件缺陷识别方法，首先获取铸件的射线图像，并图像中铸件类别和缺陷进行多标签的弱标注，形成训练集。然后在训练样本集上训练ResNe‑50网络模型，利用多标签信息，形成注意力机制，使模型在弱监督的情况下对铸件缺陷进行精准识别，再计算激活映射图得出缺陷的准确位置。本发明在保证铸件缺陷识别正确率的情况下，减少了标注数据的人力消耗，最终实现了生产成本的降低。
-
公开(公告)号：CN111291784A
公开(公告)日：2020-06-16
申请号：CN202010043730.5
申请日：2020-01-15
Applicant: 上海理工大学
Abstract: 本发明涉及一种基于迁移显著性先验信息的服装属性识别方法，具体包括以下步骤：步骤S1：获取服装图像的图像数据进行属性标注及预处理；步骤S2：输入至显著性检测网络得到显著图，与服装图像叠加形成带显著性先验信息的服装图像；步骤S3：每幅服装图像执行步骤S1-S2，获得所有带显著性先验信息的服装图像，并输入至分类卷积神经网络进行训练直至收敛；步骤S4：待检测图像先进行步骤S1中的预处理，然后执行步骤S2，获得相应的带显著性先验信息的待检测图像，输入至训练完成的分类卷积神经网络，对服装属性进行识别，输出待检测图像中服装的属性。与现有技术相比，本发明具有泛化能力较强、提高属性识别准确率、减少人力成本的投入等优点。
-
-
Search Results
3
records
(took 0.022 seconds)
