-
公开(公告)号:CN112926697A
公开(公告)日:2021-06-08
申请号:CN202110428069.4
申请日:2021-04-21
Applicant: 北京科技大学
Abstract: 本发明公开了一种基于语义分割的磨粒图像分类方法及装置,该方法包括:利用链式通道注意力网络提取待分类的磨粒图像的图像特征;利用基于类注意力的语义分割网络对提取到的图像特征进行语义分割;基于语义分割网络输出的语义分割结果,利用分类网络得到当前待分类的磨粒图像的分类结果。本发明利用语义分割标签引导模型关注目标区域,更加有益于分类图像中的小目标。
-
公开(公告)号:CN114037667B
公开(公告)日:2022-12-06
申请号:CN202111265836.0
申请日:2021-10-28
Applicant: 北京科技大学
Abstract: 本发明提供一种基于机器视觉的铜表面氧化检测及氧化程度判断方法,属于机器视觉技术领域。所述方法包括:采集铜表面图像;采用可适应氧化量计算方法对铜表面图像中标注出的氧化斑进行氧化量计算,根据计算得到的氧化量对氧化斑进行氧化等级划分;其中,所述可适应氧化量计算方法结合了形态学特征的氧化参数和氧含量参数;基于划分得到的氧化等级构建氧化程度检测数据集,训练目标检测网络;利用训练好的目标检测网络对待测的铜表面图片进行铜表面氧化检测,输出氧化斑位置信息和氧化等级。采用本发明,能够利用提高铜表面氧化程度检测的准确率和可靠性。
-
公开(公告)号:CN112926697B
公开(公告)日:2021-10-12
申请号:CN202110428069.4
申请日:2021-04-21
Applicant: 北京科技大学
Abstract: 本发明公开了一种基于语义分割的磨粒图像分类方法及装置,该方法包括:利用链式通道注意力网络提取待分类的磨粒图像的图像特征;利用基于类注意力的语义分割网络对提取到的图像特征进行语义分割;基于语义分割网络输出的语义分割结果,利用分类网络得到当前待分类的磨粒图像的分类结果。本发明利用语义分割标签引导模型关注目标区域,更加有益于分类图像中的小目标。
-
公开(公告)号:CN111428823B
公开(公告)日:2020-10-20
申请号:CN202010526027.X
申请日:2020-06-11
Applicant: 北京科技大学
Abstract: 本发明提供一种可以识别新类的磨粒分类模型与方法,该磨粒分类模型包括:特征向量提取阶段网络,用于提取磨粒图像的特征向量;类中心向量提取阶段网络,用于提取磨粒的类中心向量;预测阶段网络,用于结合特征向量提取阶段网络和类中心向量提取阶段网络的输出,对待预测的磨粒图像中的磨粒的类型进行预测。本发明结合轻量化神经网络和距离度量的优点,首先,能够对训练集中没有出现的磨粒类别进行分类,具有很强的泛化性能;其次,大大降低了网络的参数数量,提高了训练和测试速度。本发明提出的磨粒分类模型不仅能够对新的磨粒类别进行分类,且在识别速度和识别准确率上均有提升。
-
公开(公告)号:CN114418003B
公开(公告)日:2022-09-16
申请号:CN202210066369.7
申请日:2022-01-20
Applicant: 北京科技大学
IPC: G06K9/62 , G06T3/40 , G06T5/50 , G06V10/40 , G06V10/774 , G06V10/771
Abstract: 本发明公开了基于注意力机制及多尺寸信息提取的双图像识别分类方法,包括:获取待分类物体的两幅图像;其中,两幅图像为同一位置不同情况下所拍摄的图像;并行的多尺寸特征提取网络融合了不同尺寸的信息以同时提取两幅图像的不同尺寸的特征;利用双图像空间注意力模块将两幅图像的特征从空间的角度进行融合,得到空间融合特征信息;利用双图像通道注意力模块将两幅图像的特征从通道的角度进行融合,得到通道融合特征信息;多种方法提取的特征相互交互融合,形成的融合信息输入到分类网络,得到待分类物体的类别。本发明结合了不同情况下的相同物体的两幅图像,克服了单幅图像的特征信息不全面的问题,提高了分类的准确率。
-
公开(公告)号:CN113850339A
公开(公告)日:2021-12-28
申请号:CN202111161116.X
申请日:2021-09-30
Applicant: 北京科技大学
Abstract: 本发明公开了一种基于多光源表面图像的粗糙度等级预测方法及装置,所述方法包括:获取待测样品的第一表面图像和第二表面图像;其中,所述第一表面图像为在白光光源下拍摄的图像,所述第二表面图像为在激光光源下拍摄的图像;利用第一特征提取网络提取所述第一表面图像的特征,得到第一特征信息;利用第二特征提取网络提取所述第二表面图像的特征,得到第二特征信息;将所述第一特征信息和所述第二特征信息进行融合,得到融合特征信息;将所述融合特征信息输入分类网络,得到所述待测样品的表面粗糙度等级。本发明结合了白光与激光的成像特点,可以更好地提取样品表面纹理特征,实现对样品表面粗糙度的精准检测,提高了粗糙度等级预测的准确率。
-
公开(公告)号:CN112016574B
公开(公告)日:2021-02-12
申请号:CN202011140530.8
申请日:2020-10-22
Applicant: 北京科技大学
Abstract: 本发明提供一种基于特征融合的图像分类方法,所述方法包括:获取包含图像和结构化数值特征的训练集;构建基于图像特征和结构化数值特征的特征融合图像分类模型;利用获取的训练集对构建的特征融合图像分类模型进行训练;其中,在训练过程中,通过图像处理提取图像的几何特征,同时通过卷积神经网络自动提取图像特征,将图像处理提取的几何特征、卷积神经网络自动提取的特征与训练集中的结构化数值特征进行融合,根据融合后的特征对图像的类型进行预测;获取待分类图像,将其输入到训练好的特征融合图像分类模型中,对待分类图像的类型进行预测。采用本发明,能够利用融合后的更加全面和更具代表性的特征对图像进行分类,提高图像的分类准确率。
-
公开(公告)号:CN111428823A
公开(公告)日:2020-07-17
申请号:CN202010526027.X
申请日:2020-06-11
Applicant: 北京科技大学
Abstract: 本发明提供一种可以识别新类的磨粒分类模型与方法,该磨粒分类模型包括:特征向量提取阶段网络,用于提取磨粒图像的特征向量;类中心向量提取阶段网络,用于提取磨粒的类中心向量;预测阶段网络,用于结合特征向量提取阶段网络和类中心向量提取阶段网络的输出,对待预测的磨粒图像中的磨粒的类型进行预测。本发明结合轻量化神经网络和距离度量的优点,首先,能够对训练集中没有出现的磨粒类别进行分类,具有很强的泛化性能;其次,大大降低了网络的参数数量,提高了训练和测试速度。本发明提出的磨粒分类模型不仅能够对新的磨粒类别进行分类,且在识别速度和识别准确率上均有提升。
-
公开(公告)号:CN114418003A
公开(公告)日:2022-04-29
申请号:CN202210066369.7
申请日:2022-01-20
Applicant: 北京科技大学
IPC: G06K9/62 , G06T3/40 , G06T5/50 , G06V10/40 , G06V10/774 , G06V10/771
Abstract: 本发明公开了基于注意力机制及多尺寸信息提取的双图像识别分类方法,包括:获取待分类物体的两幅图像;其中,两幅图像为同一位置不同情况下所拍摄的图像;并行的多尺寸特征提取网络融合了不同尺寸的信息以同时提取两幅图像的不同尺寸的特征;利用双图像空间注意力模块将两幅图像的特征从空间的角度进行融合,得到空间融合特征信息;利用双图像通道注意力模块将两幅图像的特征从通道的角度进行融合,得到通道融合特征信息;多种方法提取的特征相互交互融合,形成的融合信息输入到分类网络,得到待分类物体的类别。本发明结合了不同情况下的相同物体的两幅图像,克服了单幅图像的特征信息不全面的问题,提高了分类的准确率。
-
公开(公告)号:CN114037667A
公开(公告)日:2022-02-11
申请号:CN202111265836.0
申请日:2021-10-28
Applicant: 北京科技大学
Abstract: 本发明提供一种基于机器视觉的铜表面氧化检测及氧化程度判断方法,属于机器视觉技术领域。所述方法包括:采集铜表面图像;采用可适应氧化量计算方法对铜表面图像中标注出的氧化斑进行氧化量计算,根据计算得到的氧化量对氧化斑进行氧化等级划分;其中,所述可适应氧化量计算方法结合了形态学特征的氧化参数和氧含量参数;基于划分得到的氧化等级构建氧化程度检测数据集,训练目标检测网络;利用训练好的目标检测网络对待测的铜表面图片进行铜表面氧化检测,输出氧化斑位置信息和氧化等级。采用本发明,能够利用提高铜表面氧化程度检测的准确率和可靠性。
-
-
-
-
-
-
-
-
-