龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：华中科技大学
摘要：本发明属于图像处理领域，并公开了一种基于异常特征分解与纹理背景转换的缺陷检测方法。该方法包括随机剪接模块、域特征交叉模块、对抗分割模块及隐空间约束模块，随机剪接模块用于人工异常样本的随机生成；域特征交叉模块分解背景特征和缺陷特征，隐式转换背景特征完成特征分离；隐空间约束模块将正常域与异常域背景特征进一步约束在公共空间中；像素级对抗分割模块通过像素级对抗学习机制，进一步提升纹理重构精度，还能直接分割出缺陷位置。进行检测时，一方面将输入图像与重构的纹理背景图像作差间接确定缺陷区域，另一方面在缺陷图中直接分割缺陷。如此，本发明对不同纹理表面上的不同大小、不同对比度的缺陷有较高的检测精度。
主权项：1.一种基于异常特征分解与纹理背景转换的缺陷检测模型的构建方法，其特征在于，包括：S1、搭建缺陷检测模型；所述缺陷检测模型包括：级联且共享网络参数的第一域特征交叉模块和第二域特征交叉模块；所述第一域特征交叉模块，用于提取输入的正常样本的第一正常域背景特征以及提取输入的异常样本的第一异常域背景特征和第一异常域缺陷特征；再基于所述第一异常域背景特征生成第一伪正常样本以及基于所述第一正常域背景特征和第一异常域缺陷特征生成第一伪异常样本；所述第二域特征交叉模块，用于提取所述第一伪正常样本的第二正常域背景特征以及提取第一伪异常样本的第二异常域背景特征和第二异常域缺陷特征；再基于所述第二异常域背景特征生成第二伪正常样本以及基于所述第二正常域背景特征和第二异常域缺陷特征生成第二伪异常样本；S2、以最小化第一伪正常样本与输入的异常样本之间的残差、与第一伪异常样本与输入的正常样本之间的残差之间的差异，以及最小化第二伪正常样本与输入的正常样本之间的残差、与第二伪异常样本与输入的异常样本之间的残差之间的差异为目标，训练所述缺陷检测模型。
全文数据：
权利要求：
百度查询： 华中科技大学 一种基于异常特征分解与纹理背景转换的缺陷检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号