-
公开(公告)号：CN117911334A
公开(公告)日：2024-04-19
申请号：CN202311807206.0
申请日：2023-12-26
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于多级特征融合的条带钢表面缺陷检测方法。首先获取带钢表面缺陷样本，构建基于多级特征融合的条带钢表面缺陷检测模型；利用获取的样本对模型进行训练，将待检测的数据输入至优化后的模型，得到输出的缺陷预测图，实现带钢表面缺陷的检测。本发明通过将输入分别传递到不同尺度的卷积层，每个卷积层使用不同的膨胀率和padding，可以获得不同尺寸的特征值。通过引入不同尺度的感受野，网络能够更全面地考虑输入数据的结构和关系，提高对复杂场景的理解能力。在条带钢表面缺陷的大小可能千差万别，使用不同膨胀率的卷积核允许网络更好地适应不同尺度的目标，提高了模型的鲁棒性。
-
公开(公告)号：CN117333456A
公开(公告)日：2024-01-02
申请号：CN202311299639.X
申请日：2023-10-09
Applicant: 杭州电子科技大学
IPC: G06T7/00 , G06T7/73 , G06V10/25 , G06V10/46 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于显著目标检测的条带钢缺陷预测方法，包括如下步骤：S1、通过由5层编码器层组成的编码器提取图片中的5层特征，分别记为h1、h2、h3、h4、h5；S2、用桥接层连接编码器，通过桥接层输出hbg；S3、使用解码器模块进行解码，所述解码器模块包括解码器、5层FEE Module，所述解码器由5层解码器层组成，所述编码器的输出h5输入相应的第5层FEE Module中，所述h4与解码器第5层的输出以及hbg送入上层FEE Module中，上层FEE Module输出作为上层解码器的输入；S4、由最上层的解码器层的输出，经过一个1*1的卷积，将通道输出成1，即为最后的输出结果。该方法基于显著目标检测的方法能够自动识别和定位潜在的缺陷区域，减少了人工操作的需求。
-
公开(公告)号：CN117217991A
公开(公告)日：2023-12-12
申请号：CN202311026041.3
申请日：2023-08-15
Applicant: 杭州电子科技大学丽水研究院
Inventor： 颜成钢 , 张文豪 , 陈雨中 , 魏宇鑫 , 汪奇挺 , 傅晟 , 付莹 , 郭雨晨 , 赵思成 , 孙垚棋 , 朱尊杰 , 高宇涵 , 王鸿奎 , 赵治栋 , 殷海兵 , 王帅 , 张继勇 , 李宗鹏 , 丁贵广
IPC: G06T3/40 , G06N3/0455 , G06N3/08 , G06N5/046
Abstract: 本发明公开了一种基于TensorRT的视频超分推理方法及装置，首先对视频超分网络进行训练；然后对网络算子进行分析，对常用算子进行整理，对不支持算子进行编写，对于可优化算子做算子融合；最后对于完整的视频超分网络结构，使用TensorRT编写并生成序列化引擎进行推理。本发明提出了视频超分推理落地的新方法，即是使用TensorRT该推理框架进行部署和加速，建立常用算子库将TensorRT算子和Pytorch算子进行对齐，优化部署过程，并能够比在训练框架下的推理有更好的速度和更低的显存占用。
-
公开(公告)号：CN117593289A
公开(公告)日：2024-02-23
申请号：CN202311789717.4
申请日：2023-12-25
Applicant: 杭州电子科技大学
IPC: G06T7/00 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种基于卷积神经网络的条带钢表面缺陷检测方法，包括如下步骤：步骤1、构建一个LSDD模型，所述LSDD模型包括编码器和解码器，所述编码器由5个MHL模块构成；所述解码器由5个LEF模块构成；步骤2、应用公开数据集对LSDD模型进行训练；步骤3、将图像数据作为输入，通过完成训练的LSDD模型进行预测。该方法能在保持轻量化(参数少、运算速率快)的前提上，更大程度还原条带钢表面的缺陷信息。
-
-
-
Search Results
4
records
(took 0.019 seconds)
