-
公开(公告)号：CN113627437A
公开(公告)日：2021-11-09
申请号：CN202110902065.5
申请日：2021-08-06
Applicant: 河南大学
Abstract: 一种快速识别石墨电极标签的方法，涉及计算机视觉领域。本发明针对石墨电极标签自动识别问题，提出了一种标签自动快速识别方法。本方法使用了新的快速语义分割网络AL‑UNet，保留了UNet网络所具有的高精度分割能力，同时又结合了MobileNet的轻量化特点，大幅提升了网络速度。为了提高网络的鲁棒性，网络使用扩充的数据集，使其能够适应更多的环境。语义分割后，使用新型的校正方法校正字符图像的角度；使用投影法切分字符，送入LeNet‑5识别网络，获得识别结果。本发明所提出的方法实现了石墨电极标签的自动识别。
-
公开(公告)号：CN113627436A
公开(公告)日：2021-11-09
申请号：CN202110902063.6
申请日：2021-08-06
Applicant: 河南大学
Abstract: 本发明公开了一种表面压印字符图像的无监督分割方法。为解决全监督语义分割网络需要大量手工标定的标签作为训练样本的问题，本发明以改进型循环式生成对抗网络为基础框架，利用其无监督训练的特性，再结合传统图像分割算法，实现了表面压印字符图像无监督分割。CycleGAN广泛应用于图像风格迁移等领域。本发明针对CycleGAN难以对两域间特征差异过大的图像进行风格迁移进而实现语义分割的问题，通过对CycleGAN的生成器和判别器进行改进，使之适应语义分割任务实际需要，实现了表面压印字符图像无监督分割。改进型循环式生成对抗网络的生成器中设计了多尺度特征融合模块，并引入了注意力机制提升网络性能。同时，本发明提出一种U型判别器，可为生成器提供更加精确的反馈，实现了高精度的表面压印字符图像无监督语义分割。
-
公开(公告)号：CN113627436B
公开(公告)日：2024-07-12
申请号：CN202110902063.6
申请日：2021-08-06
Applicant: 河南大学
IPC: G06V30/148 , G06V10/82 , G06N3/0464 , G06N3/088
Abstract: 本发明公开了一种表面压印字符图像的无监督分割方法。为解决全监督语义分割网络需要大量手工标定的标签作为训练样本的问题，本发明以改进型循环式生成对抗网络为基础框架，利用其无监督训练的特性，再结合传统图像分割算法，实现了表面压印字符图像无监督分割。CycleGAN广泛应用于图像风格迁移等领域。本发明针对CycleGAN难以对两域间特征差异过大的图像进行风格迁移进而实现语义分割的问题，通过对CycleGAN的生成器和判别器进行改进，使之适应语义分割任务实际需要，实现了表面压印字符图像无监督分割。改进型循环式生成对抗网络的生成器中设计了多尺度特征融合模块，并引入了注意力机制提升网络性能。同时，本发明提出一种U型判别器，可为生成器提供更加精确的反馈，实现了高精度的表面压印字符图像无监督语义分割。
-
公开(公告)号：CN113627437B
公开(公告)日：2024-03-29
申请号：CN202110902065.5
申请日：2021-08-06
Applicant: 河南大学
IPC: G06V30/148 , G06V30/146 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 一种快速识别石墨电极标签的方法，涉及计算机视觉领域。本发明针对石墨电极标签自动识别问题，提出了一种标签自动快速识别方法。本方法使用了新的快速语义分割网络AL‑UNet，保留了UNet网络所具有的高精度分割能力，同时又结合了MobileNet的轻量化特点，大幅提升了网络速度。为了提高网络的鲁棒性，网络使用扩充的数据集，使其能够适应更多的环境。语义分割后，使用新型的校正方法校正字符图像的角度；使用投影法切分字符，送入LeNet‑5识别网络，获得识别结果。本发明所提出的方法实现了石墨电极标签的自动识别。
-
-
-
Search Results
4
records
(took 0.012 seconds)
