买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：江苏科技大学

摘要：本发明公开了一种基于双注意力机制和U‑net网络的漆面图像分割系统及方法，包括：对搜集到的漆面图像进行预处理得到训练集；将训练集作为改进后的U‑net网络的输入数据进行训练；将待分割的漆面图像输入到训练好的U‑net分割模型中，得到分割结果。本发明使用Efficientnet‑B0编码器提取原始漆面图像特征、使用引入调制系数的FocalLoss损失函数以及在特征融合阶段嵌入串行双通道CBAM模块的方法对U‑net网络进行改进，利用Efficientnet系列网络的优势，减少了模型的训练参数，提高了分割模型的实时性；利用双注意力机制的优势，加强了网络对漆面区域的注意力权重，提高了网络的准确性和精度，解决了单一U‑net网络在进行漆面分割时出现的特征提取不准确、误分割、分割精度低、实时性差等问题。

主权项：1.一种基于双注意力机制和U-net网络的漆面图像分割系统，其特征在于，包括：预处理模块，用以将搜集到的原始漆面图像进行预处理得到图像训练集；U-net网络改进模块，用以通过使用Efficientnet-B0编码器提取所述原始漆面图像特征、使用引入调制系数的FocalLoss损失函数以及在特征融合阶段嵌入串行双通道CBAM模块的方法对U-net网络进行改进，得到改进后的U-net网络；在所述U-net网络改进模块中：使用Efficientnet-B0编码器提取所述原始漆面图像特征来改进U-net网络的具体方法为：EfficientNet-B0编码器包含16个移动倒置瓶颈模块，分别提取第5个以及第7个MBConv块处理之后的特征图，其中第5个MBConv块提取到的特征图经过空间注意力模块，输入到上采样部分进行特征融合，第7个MBConv块提取到的特征图用于下采样，进行更深层次的特征提取；每个移动倒置瓶颈模块包括：四个1×1的卷积层、一个3×3的深度可分离卷积以及一次特征融合操作，在3×3深度可分离卷积结构前利用1×1卷积升维，在3×3深度可分离卷积结构后增加了一个关于通道的注意力机制，最后利用1×1卷积降维后增加一个残差边，每个卷积层后面均添加了批量归一化层和Swish激活层；在特征融合阶段嵌入串行双通道CBAM模块改进U-net网络的具体方法为：在特征融合环节加入一个空间注意力模块，用以提高改进后的U-net网络对漆面区域的权重，同时降低非漆面区域的权重；在原始U-net网络的特征加强部分中的卷积层输出后面嵌入一个通道注意力模块，用以减少特征融合之后冗余的通道数；U-net分割模型训练模块，用以将所述图像训练集作为所述改进后的U-net网络的输入数据进行训练得到训练好的U-net分割模型；图像分割模块，用以将待分割的漆面图像作为测试数据输入至所述训练好的U-net分割模型中得到分割后的结果。

全文数据：

权利要求：

百度查询： 江苏科技大学 基于双注意力机制和U-net网络的漆面图像分割系统及方法