公开(公告)号：CN110223259A

公开(公告)日：2019-09-10

申请号：CN201910513691.8

申请日：2019-06-14

申请人： 华北电力大学(保定)

发明人： 曹锦纲 ,  李金华 ,  郑顾平 ,  杨国田 ,  杨锡运

IPC分类号： G06T5/00 ,  G06N3/04 ,  G06N3/08

摘要： 一种基于生成式对抗网络的道路交通模糊图像增强方法,包含基于生成式对抗网络的多尺度提取图像特征值进行多路径学习的模型，该模型设有生成网络和判别网络，首先将模糊图像输入生成网络然后生成清晰的图像，并将生成的清晰图像及原清晰图像输入给判别网络，然后将判别网络的输出值再利用损失函数反向传播给判别网络和生成网络，以此进行不断对抗训练且优化，直至判别网络无法区分清晰图像及原清晰图像。其具有多尺度卷积核的神经网络进行更细致地特征值提取；并将局部残差学习和全局残差学习相结合，采用多路径多权重共享的递归学习，该模型可以有效地提高道路交通场景下的运动模糊图像增强，生成图像的细节更加丰富，具有较好的图像视觉效果。

公开(公告)号：CN111627012A

公开(公告)日：2020-09-04

申请号：CN202010469022.8

申请日：2020-05-28

申请人： 华北电力大学(保定)

发明人： 曹锦纲 ,  杨国田 ,  徐婷婷 ,  杨锡运 ,  张冀 ,  张铭泉 ,  梅华威

IPC分类号： G06T7/00 ,  G06N3/04 ,  G06N3/08 ,  G01N21/88

摘要： 一种基于特征融合的深度神经网络表面缺陷检测方法。该方法采用了编码器-解码器网络结构，特征提取模块采用ResNet50提取表面缺陷特征，得到各卷积层特征；然后利用编码特征融合模块将各卷积层特征融合，有利于表面缺陷的准确检测；最后利用两级级联解码模块，实现表面缺陷的检测。编码特征融合模块和两级级联解码模块能够实现表面缺陷特征的深度融合，使表面缺陷定位更准确。在各级解码模块的输出端增加了边界求精模块，并通过卷积融合拼接后的两级解码模块输出，得到最终检测结果。本方法可以有效提高表面缺陷检测的准确性。

公开(公告)号：CN111627012B

公开(公告)日：2021-12-21

申请号：CN202010469022.8

申请日：2020-05-28

申请人： 华北电力大学(保定)

发明人： 曹锦纲 ,  杨国田 ,  徐婷婷 ,  杨锡运 ,  张冀 ,  张铭泉 ,  梅华威

IPC分类号： G06T7/00 ,  G06N3/04 ,  G06N3/08 ,  G01N21/88

摘要： 一种基于特征融合的深度神经网络表面缺陷检测方法。该方法采用了编码器‑解码器网络结构，特征提取模块采用ResNet50提取表面缺陷特征，得到各卷积层特征；然后利用编码特征融合模块将各卷积层特征融合，有利于表面缺陷的准确检测；最后利用两级级联解码模块，实现表面缺陷的检测。编码特征融合模块和两级级联解码模块能够实现表面缺陷特征的深度融合，使表面缺陷定位更准确。在各级解码模块的输出端增加了边界求精模块，并通过卷积融合拼接后的两级解码模块输出，得到最终检测结果。本方法可以有效提高表面缺陷检测的准确性。