-
公开(公告)号：CN113222926A
公开(公告)日：2021-08-06
申请号：CN202110487679.1
申请日：2021-05-06
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于深度支持向量数据描述模型的拉链异常检测方法，其方案是：采集拉链图像；获取训练集，测试集与验证集，并进行预处理；构建自编码器，用预处理后的训练集拉链图像块对其预训练；将训练后自编码器中的编码器参数作为深度支持向量数据描述模型中特征提取网络的初始参数，用预处理后的训练集拉链图像块对其训练；将验证集和测试集中的拉链图像块分别输入到训练好的深度支持向量数据描述模型中，得到经验阈值T和测试集中拉链图像块的异常得分s，若s＞T，则拉链块为异常，反之，为正常；归并完整拉链上所有拉链块检测结果，检测出整条拉链的质量。本发明检测种类多，检测精度高，检测速度快，大大降低了数据采集成本，可用于拉链生产线。
-
公开(公告)号：CN114565594B
公开(公告)日：2024-11-01
申请号：CN202210209818.9
申请日：2022-03-04
Applicant: 西安电子科技大学
IPC: G06T7/00 , G06T5/70 , G06T5/50 , G06T7/11 , G06T9/00 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/088
Abstract: 本发明公开了一种基于软掩膜对比损失的图像异常检测方法，主要解决现有技术异常检测种类少，检测精度差的问题。其方案是：利用超像素分割算法与高斯噪声对MVTec数据集进行处理，得到合成图像训练数据集；搭建由重建自编码器和掩膜自编码器组成的异常检测模型，并使用L2误差损失作为掩膜自编码器的损失函数，使用L2误差损失与软掩膜对比损失作为重建自编码器的损失函数；利用合成图像训练数据集对其掩膜编码器和重建自编码器进行交替训练，直至各自的损失函数收敛；将测试图像输入到训练好的图像异常检测模型，得到图像异常检测与定位的结果。本发明异常识别种类多，检测精度高，可用于工业品瑕疵检测、医疗辅助诊断、视频违规行为检测。
-
公开(公告)号：CN113222926B
公开(公告)日：2023-04-18
申请号：CN202110487679.1
申请日：2021-05-06
Applicant: 西安电子科技大学
IPC: G06T7/00 , G06V10/764 , G06V10/774
Abstract: 本发明公开了一种基于深度支持向量数据描述模型的拉链异常检测方法，其方案是：采集拉链图像；获取训练集，测试集与验证集，并进行预处理；构建自编码器，用预处理后的训练集拉链图像块对其预训练；将训练后自编码器中的编码器参数作为深度支持向量数据描述模型中特征提取网络的初始参数，用预处理后的训练集拉链图像块对其训练；将验证集和测试集中的拉链图像块分别输入到训练好的深度支持向量数据描述模型中，得到经验阈值T和测试集中拉链图像块的异常得分s，若s＞T，则拉链块为异常，反之，为正常；归并完整拉链上所有拉链块检测结果，检测出整条拉链的质量。本发明检测种类多，检测精度高，检测速度快，大大降低了数据采集成本，可用于拉链生产线。
-
公开(公告)号：CN114565594A
公开(公告)日：2022-05-31
申请号：CN202210209818.9
申请日：2022-03-04
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于软掩膜对比损失的图像异常检测方法，主要解决现有技术异常检测种类少，检测精度差的问题。其方案是：利用超像素分割算法与高斯噪声对MVTec数据集进行处理，得到合成图像训练数据集；搭建由重建自编码器和掩膜自编码器组成的异常检测模型，并使用L2误差损失作为掩膜自编码器的损失函数，使用L2误差损失与软掩膜对比损失作为重建自编码器的损失函数；利用合成图像训练数据集对其掩膜编码器和重建自编码器进行交替训练，直至各自的损失函数收敛；将测试图像输入到训练好的图像异常检测模型，得到图像异常检测与定位的结果。本发明异常识别种类多，检测精度高，可用于工业品瑕疵检测、医疗辅助诊断、视频违规行为检测。
-
-
-
Search Results
4
records
(took 0.025 seconds)
