-
公开(公告)号：CN116563250A
公开(公告)日：2023-08-08
申请号：CN202310531299.2
申请日：2023-05-12
申请人： 南京信息工程大学
摘要： 本发明公开了一种复原式自监督疵点检测方法、装置及存储介质，包括获取无疵点图片；无疵点图片可选择添加或不添加伪异常；若添加伪异常，则可在无疵点图片中选择连续区域进行掩码，或随机裁剪任意区域并对区域内像素进行随机调整，也可同时选择这两种伪异常生成方法，得到生成的伪异常图片和异常标注图；将伪异常图片输入预先训练好的先验初定位模块，初步定位疵点区域，并对疵点区域进行掩码，得到掩码后的图片；将掩码后的图片送入预先训练好的疵点检测模块，得到预测的异常标注图；根据标注图的异常分数进行异常判断与定位；本发明可以预判断疵点区域进行掩码，保证图像复原期间模型不会学习疵点区域的信息，从而降低算法的漏检率。
-
公开(公告)号：CN114862803A
公开(公告)日：2022-08-05
申请号：CN202210527839.5
申请日：2022-05-16
申请人： 南京信息工程大学
摘要： 本发明公开了一种基于快速傅里叶卷积(FFC)的工业图像异常检测方法，所述方法包括获取异常图片；将所述异常图片输入预先训练过的基于快速傅里叶卷积搭建的图像异常检测模型中，获取重建图片；使用L2函数计算所述异常图片与重建图片的差值；将所述差值与预先设置的阈值进行比较，获取最终检测结果。所述图像异常检测模型的训练方法，包括：获取正常样本图片，将正常样本图片经过随机掩码变成异常图片；将异常图片输入预先构建的图像异常检测模型中进行训练，其中，图像异常检测模型包括高频注意力模块和编码器‑解码器模块，本发明可以加大输入的原始异常图片与重建图片之间的差值，起到提高异常检测精度的效果，同时也能提高异常的定位精度。
-
公开(公告)号：CN114841977A
公开(公告)日：2022-08-02
申请号：CN202210535974.4
申请日：2022-05-17
申请人： 南京信息工程大学
摘要： 本发明公开了一种基于Swin Transformer结构结合SSIM和GMSD的疵点检测方法，包括获取工业疵点图片，输入预先构建的基于Swin Transformer的特征提取网络进行特征学习，对学习到的特征图进行无疵点区域信息的重建，获得重建图片；计算所述工业疵点图片与重建图片的结构相似性SSIM，得到基于结构相似性的疵点异常特征图；计算所述工业疵点图片与重建图片之间的梯度幅度相似性偏差GMSD，得到基于梯度幅度相似性的疵点异常特征图；将所述基于结构相似性的疵点异常特征图与所述基于梯度幅度相似性的疵点异常特征图融合，得到最终的疵点检测效果图，本发明不仅可以有效提高疵点检测的准确率，同时提高疵点定位的精度，降低误检率。
-
公开(公告)号：CN114494805A
公开(公告)日：2022-05-13
申请号：CN202111543339.2
申请日：2021-12-16
申请人： 南京信息工程大学
IPC分类号： G06V10/80 , G06V10/82 , G06V10/764 , G06N3/04 , G06K9/62
摘要： 本发明公开了图像处理技术领域的一种基于Resnet50结合注意力机制和特征金字塔的图像分类方法，包括以下步骤：S1、采集输入图片，并对图像进行数据预处理；S2、将预处理后的图像导入分类模型，输出三个不同卷积层的特征图；S3、对各特征图进行分别的分类预测，取可信度最大分类器，输出最终预测分类结果，本发明具有图像分类准确率高、提取质量高等优点。
-
公开(公告)号：CN115861256A
公开(公告)日：2023-03-28
申请号：CN202211617088.2
申请日：2022-12-15
申请人： 南京信息工程大学
IPC分类号： G06T7/00 , G06N3/08 , G06V10/44 , G06V10/774 , G06N3/0464
摘要： 本发明公开了一种基于知识蒸馏结合图像重构的异常检测方法，将知识蒸馏与基于U型卷积神经网络的图像重构方法结合，利用Unet网络重构特征图来进一步指导学生网络学习正常像素的语义信息，建立可用于图像异常检测与异常定位的模型；该模型的教师网络为预先训练的图像分类强模型ResNet18，学生网络为Unet网络，结合多尺度特征匹配策略使学生网络能够同时利用低层特征、中层特征和高层特征的语义信息，从而允许检测各种尺度大小的异常。本发明能够减轻CNN对异常的泛化能力和弥补教师网络和学生网络之间出现的知识转移不完整、不正确等问题，有效提高异常检测的准确率和异常点定位的精度。
-
公开(公告)号：CN114037684B
公开(公告)日：2024-06-14
申请号：CN202111316595.8
申请日：2021-11-08
申请人： 南京信息工程大学
IPC分类号： G06T7/00 , G06V10/40 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08 , G01D21/02
摘要： 本发明公开了一种基于yo1ov5和注意力机制模型的疵点检测方法，包括：基于yo1ov5网络和注意力机制模型构建疵点检测模型；对导入的工业疵点图像进行预处理，将预处理图像导入疵点检测模型，得到形状不同的三个输出特征层；对形状不同的三个输出特征层进行预测，生成边界框并预测类别；对图像上疵点的类别和疵点的位置信息进行显示，得到疵点检测图像。本发明可以有效的提高模型对空间特征和通道特征的学习，通过检测头可以实现对不同大小的疵点进行检测，提高了对于大疵点的检测效果，从而提高检测效率，解决了当前工业疵点检测算法很难同时保证检测算法的准确率及实时性。
-
公开(公告)号：CN114841977B
公开(公告)日：2023-04-25
申请号：CN202210535974.4
申请日：2022-05-17
申请人： 南京信息工程大学
摘要： 本发明公开了一种基于Swin Transformer结构结合SSIM和GMSD的疵点检测方法，包括获取工业疵点图片，输入预先构建的基于Swin Transformer的特征提取网络进行特征学习，对学习到的特征图进行无疵点区域信息的重建，获得重建图片；计算所述工业疵点图片与重建图片的结构相似性SSIM，得到基于结构相似性的疵点异常特征图；计算所述工业疵点图片与重建图片之间的梯度幅度相似性偏差GMSD，得到基于梯度幅度相似性的疵点异常特征图；将所述基于结构相似性的疵点异常特征图与所述基于梯度幅度相似性的疵点异常特征图融合，得到最终的疵点检测效果图，本发明不仅可以有效提高疵点检测的准确率，同时提高疵点定位的精度，降低误检率。
-
公开(公告)号：CN115471645A
公开(公告)日：2022-12-13
申请号：CN202211422601.2
申请日：2022-11-15
申请人： 南京信息工程大学
IPC分类号： G06V10/20 , G06V10/774 , G06V10/778 , G06V10/80
摘要： 本发明公开了一种基于U型学生网络的知识蒸馏异常检测方法，将U型学生网络与特征融合模块结合，实现对工业材料智能检测的目的。学生网络由编码器和解码器组成，避免了因学生网络和教师网络的结构相同或相似导致生成的特征图之间的差值不能很好地显示出异常区域的问题；学生网络的多尺度特征压缩模块可以对编码器所得特征图进行进一步异常信息过滤，使解码器能更正确地重建图片分布特征；学生网络的特征融合模块使得特征图可以包含更多有效的语义信息，从而弥补教师网络和学生网络之间出现的转移知识不完整、不正确等问题，完成实时性异常检测任务，有效提高异常检测的准确率，同时提高异常点定位的精度，增强泛化能力。
-
公开(公告)号：CN114037684A
公开(公告)日：2022-02-11
申请号：CN202111316595.8
申请日：2021-11-08
申请人： 南京信息工程大学
IPC分类号： G06T7/00 , G06V10/40 , G06V10/764 , G06V10/80 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G01D21/02
摘要： 本发明公开了一种基于yo1ov5和注意力机制模型的疵点检测方法，包括：基于yo1ov5网络和注意力机制模型构建疵点检测模型；对导入的工业疵点图像进行预处理，将预处理图像导入疵点检测模型，得到形状不同的三个输出特征层；对形状不同的三个输出特征层进行预测，生成边界框并预测类别；对图像上疵点的类别和疵点的位置信息进行显示，得到疵点检测图像。本发明可以有效的提高模型对空间特征和通道特征的学习，通过检测头可以实现对不同大小的疵点进行检测，提高了对于大疵点的检测效果，从而提高检测效率，解决了当前工业疵点检测算法很难同时保证检测算法的准确率及实时性。
-
-
-
-
-
-
-
-
搜索结果
9 条记录 (耗时 0.024 秒)
