-
公开(公告)号：CN111523540A
公开(公告)日：2020-08-11
申请号：CN202010306489.0
申请日：2020-04-17
Applicant: 中南大学
Abstract: 本发明提供了一种基于深度学习的金属表面缺陷检测方法，包括：步骤1，根据金属缺陷零件大小确定相机和光源型号，搭建好光源和相机的取图环境，进行图像采集；步骤2，对采集的图像进行数据集标注和数据集增强，并输入到混合特征金字塔网络结构中，进行特征提取；步骤3，将得到的每一层的特征图输入到RPN网络中，进行候选区域选取。本发明所提供的基于深度学习的金属表面缺陷检测方法，实现自动对生产线输入图像进行检测和缺陷识别定位，特征自动提取，消除手工特征提取带来的负影响，克服了机器视觉中受环境因素影响较大的缺点，混合特征金字塔网络结构针对较小目标以及多尺度问题有更好的表现。
-
公开(公告)号：CN111553348A
公开(公告)日：2020-08-18
申请号：CN202010340219.1
申请日：2020-04-26
Applicant: 中南大学
Abstract: 本发明公开了一种基于centernet的anchor-based目标检测方法。方法以关键点检测为基础，针对检测到的关键点通过anchor回归图像中目标的大小。以关键点确定目标位置的方式减少了anchor之间的互相干扰，并以此为基础减少传统anchor-based算法中非极大值抑制的算法复杂度。和传统单阶段anchor-based目标检测算法的不同之处在于本发明是以关键点检测为基础，非极大值抑制作用的对象是检测到的关键点所对应的预测框，两者相比，本发明提出的方法大大减少了非极大值抑制的计算量和设置超参数阈值的步骤，省去了调节模型的工作量。
-
Search Results
2
records
(took 0.018 seconds)
